Spiking神经网络及其在图像分割中的应用

《Spiking神经网络及其在图像分割中的应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号:TP391.410710-2015224027专业硕士学位论文Spiking神经网络及其在图像分割中的应用孙文磊导师姓名职称宋青松副教授专业学位类别申请学位类别工程硕士交通运输工程及领域名称论文提交日期2018年4月2日论文答辩日期2018年6月3日学位授予单位长安大学SPIKINGNEURALNETWORKSANDITSAPPLICATIONINIMAGESEGMENTATIONAThesisSubmittedfortheDegreeofMasterCandidate：SunWenleiSupervis

2、or：A/Prof.SongQingsongChang’anUniversity,Xi’an,China摘要Spiking神经网络被称为第三代人工神经网络，它能够模拟生物神经元的动态发放特性，利用脉冲发放的精确定时来传递信息，已经被多个研究小组证实能处理和时间模式有关的聚类和分类问题。其时间编码特性使网络对信息的处理、神经元模型、以及突触学习规则等与前两代人工神经网络有很大不同，研究其建模与编码机制，并探索其在图像分割上的应用具有理论意义和实际应用价值。本文主要设计并实现了一种基于Spiking-SOM（Spik

3、ing-SelfOrganizingFeatureMap）神经网络聚类的图像分割方法，实验结果表明了该方法具有一定的实际应用价值。方法首先开展图像去噪比选实验，选取中值滤波方法改善图像质量；然后，计算超像素，采用IF（Integrate-and-Fire）Spike神经元构建Spiking-SOM神经网络，并基于超像素的颜色信息构建Spiking-SOM神经网络的权值矩阵，实现网络权值矩阵初始化；进而，采用Hebbian规则训练网络，实现对超像素图像的目标聚类；最后，基于聚类结果实现了图像分割。本文的工作主要有以

4、下三部分：1.开展了Spike神经元模型和Spiking神经网络的结构、编码、以及有关应用的调查研究，为本文提出的方法奠定了实验基础。2.讨论了STDP(SpikeTimingDependentPlasticity)学习规则对Spiking神经网络群体发放行为的影响规律，测试了Spiking神经网络主要参数在STDP训练过程中，对多态同步群（PolychronizationGroups）数量的影响。用多态同步群解释了一种时空锁定现象。3.设计并实现了一种基于Spiking-SOM神经网络聚类的图像分割方法。首先对

5、目标图像进行预处理；然后计算超像素，构建Spiking-SOM神经网络并初始化网络权值矩阵，采用Hebbian规则训练网络；最后，仿真实现了本方法并与其它方法作对比评价。关键词：Spiking神经网络，学习方法，多态同步，图像分割iAbstractTheSpikingneuralnetworkiscalledthethirdgenerationartificialneuralnetwork,itcansimulatethedynamicfiringcharacteristicsofbiologicalneuron

6、sandtransmitinformationbyusingtheprecisetimingofpulsefiring.Ithasbeenprovenbyseveralresearch-teamsthatitcoulddealwithclusteringandclassificationproblemsrelatedtotimepatterns.Itstimecodingcharacteristicsmaketheprocessingofinformation,neuronmodelandsynapticlear

7、ningrulesofthenetworkverydifferentfromthoseoftheprevioustwogenerationsofartificialneuralnetworks.Doingaresearchonitsmodelingandmechanismanditsapplicationinimagesegmentationhastheoreticalsignificanceandpracticalapplicationvalue.Inthispaper,animagesegmentationm

8、ethodbasedonSpiking-SelfOrganizingFeatureMap(Spiking-SOM)neuralnetworkclusteringwasdesignedandimplemented.Theexperimentalresultsshowedthatthismethodhassomepotentialapplicationvalue.First,