Spiking神經(jīng)網(wǎng)絡研究及其在圖像檢索中的應用.pdf

1、作為目前具有最高仿生性的人工神經(jīng)網(wǎng)絡，Spiking神經(jīng)網(wǎng)絡是模擬生物大腦功能而提出的一種新型人工神經(jīng)網(wǎng)絡模型，也被稱為第三代神經(jīng)網(wǎng)絡。該模型采用Spike時間編碼的方式來表示和傳遞信息。比起感知機等傳統(tǒng)神經(jīng)網(wǎng)絡，Spiking神經(jīng)網(wǎng)絡更符合生物神經(jīng)元的信息處理方式。研究表明，與傳統(tǒng)神經(jīng)網(wǎng)絡相比，Spiking神經(jīng)網(wǎng)絡無論是在信息表達能力還是計算能力上都有了巨大的提升。因而Spiking神經(jīng)網(wǎng)絡引起了國內外研究者的廣泛關注和高度重視。目

2、前，Spiking神經(jīng)網(wǎng)絡不論是在生物、人工智能等學科中有較多的研究成果，而在工程應用領域卻尚處于起步階段。由于在當前的互聯(lián)網(wǎng)時代，越來越多的網(wǎng)絡信息采用圖像或者圖像相關的方式進行傳遞，自二十世紀60年代開始，自動識別領域對圖像識別與檢索的要求變得越來越迫切，因此將Spiking神經(jīng)網(wǎng)絡應用到圖像處理相關的應用中，既可以擴展Spiking神經(jīng)網(wǎng)絡的應用范圍，又可以促進圖像處理的快速發(fā)展，具有較高的理論研究意義和實際應用價值。
　　

3、為了將Spiking神經(jīng)網(wǎng)絡成功的應用到圖像檢索系統(tǒng)中，本文的工作主要有以下三部分：（1）提出了一種基于Spiking神經(jīng)網(wǎng)絡的圖像邊緣檢測方法，此方法基于脈沖卷積操作，將Spiking神經(jīng)網(wǎng)絡在時間表達上的優(yōu)勢與卷積神經(jīng)網(wǎng)絡在空間局部連接上的優(yōu)勢相結合，達到了較好的圖像邊緣檢測效果。（2）提出了一種基于Spiking神經(jīng)網(wǎng)絡的圖像角點檢測方法，該算法使用Spiking神經(jīng)元模板對圖像進行掃描，并根據(jù)檢測神經(jīng)元的電壓變化等情況來確定圖像

4、角點。對于圖像邊緣圖像和灰度圖像，該方法進行了不同程度的改變。（3）設計了一個基于Spiking神經(jīng)網(wǎng)絡的圖像檢索系統(tǒng)，該系統(tǒng)結合了圖像低層視覺特征和圖像語義特征，比傳統(tǒng)單一檢索方法更為全面。其中，圖像的低層特征表示是通過基于Spiking的圖像角點特征表示以及基于Spiking的圖像卷積特征表示來實現(xiàn)的。圖像的語義特征通過監(jiān)督的Spiking學習算法對圖像標簽信息進行監(jiān)督學習，通過訓練以達到對檢索圖像較好的類別估測。為了驗證Spiki