基于m-PCNN葉片圖像處理的應(yīng)用研究.pdf

1、脈沖耦合神經(jīng)網(wǎng)絡(luò)（Pulse Coupled Neural Network：PCNN)是第三代的人工神經(jīng)網(wǎng)絡(luò)，它的研究自二十世紀九十年代興起?？蒲腥藛T在機理研究之外，也不斷加強對其應(yīng)用的研究。到目前為止，其已經(jīng)在不同領(lǐng)域中取得了廣泛的成果。同時，對其模型的改進和探索研究也是一個熱點。m-PCNN就是在PCNN的基礎(chǔ)上提出的一種多通道PCNN模型。它很好地彌補了 PCNN模型在融合圖像時計算量大、效率低等缺點，使得外部刺激的數(shù)量變?yōu)榭煽亍?/p>

2、改變PCNN這一單層神經(jīng)網(wǎng)絡(luò)為多層神經(jīng)網(wǎng)絡(luò)。它在實際運用中可以根據(jù)情況自行控制層數(shù)，從而簡化了計算復(fù)雜度，在算法改進方面有很高的應(yīng)用價值。
　　本文的主要的工作是對m-PCNN模型在植物葉片圖像處理中的應(yīng)用進行研究。葉片是植物光合作用的重要器官，同時也是植物分類的主要標志。葉片的生長狀態(tài)可以給我們提供很多信息，例如健康狀況和產(chǎn)量預(yù)期等。如今，數(shù)字圖像處理技術(shù)給植物分類和觀察提供了一種高效方式。本文主要研究植物葉片圖像處理中的兩個問