【毕业学位论文】（Word原稿）脉冲耦合神经网络的图像压缩编码研究

分类号： 密级： 公开 研 究 生 学 位 论 文 论文题目（中文） 脉冲耦合神经网络的 图像 压缩编码研究 论文题目（外文） on 研究生姓名 马建林 学科、专业 电子科学与技术 电路与系统 研 究 方 向 数字图像处理、嵌入式 设计 学 位 级 别 硕 士 导师姓名、职称 马义德 教授 论 文 工 作 起 止 年 月 2012 年 4 月至 2013 年 3 月 论文提交日期 2013 年 4 月 论文答辩日期 2013 年 5 月 学位授予日期 2013 年 6 月 校址：甘肃省兰州市 原 创 性 声 明 本人郑重声明：本人所呈交的学位论文，是在导师的指导下独立进行研究所取得的成果。学位论文中凡引用他人已经发表或未发表的成果、数据、观点等，均已明确注明出处。除文中已经注明引用的内容外，不包含任何其他个人或集体已经发表或撰写过的科研成果。对本文的研究成果做出重要贡献的个人和集体，均已在文中以明确方式标明。 本声明的法律责任由本人承担。 论文作者签名： 日 期： 关于学位论文使用授权的声明 本人在导师指导下所完成的论文及相关的职务作品，知识产权归属兰州大学。 本人完全了解兰州大学有关保存、使用学位论文的规定，同意学校保存或向国家有关部门或机构送交论文的 纸质版 和电子版，允许论文被查阅和借阅；本人授权兰州大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用任何复制手段保存和汇编本学位论文。 本人离校后发表 、使用学位论文或与该论文直接相关的学术论文或成果时，第一署名单位仍然为兰州大学。 本学位论文研究内容： 可以公开 不 宜 公开，已在学位办公室办理保密申请，解密后适用本授权书。 （请在以上选项内选择其中一项打“ ”） 论文作者签名： 导师签名： 日 期： 日 期： I 脉冲耦合神经网络的 图像 压缩编码研究 摘 要 图像压缩 技术 是利 用 图像 相邻像素间的相关性，尽可能地压缩像素之间的冗余，从而减少传输带宽和 存储空间。传统的图像压缩技术主要是减少编码冗余和图像像素间冗余，很少会考虑 到 人眼视觉冗余。 本文 利用脉冲耦合神经网络的相关理论 ， 在考虑人眼视觉特性的情况下， 提出了一种基于脉冲耦合神经网络（ 的图像量化方法， 并 在量化的基础上结合 不同的 图像编码算法，最终实现对图像信息的有效压缩。 本文 的 主要研究工作如下： （ 1） 参数选择。 为了克服 数选择的难题，同时 让 量化算法 具备 自适应性， 本文 选择并改进了一种 参数自动设置算法，该算法能够很好地确定 所有参数，整个过程无需提前训练。 （ 2） 基于 量化器设计。 利用 人眼视觉 的相似 性，在 充分考虑 数选择、量化器层数设置等细节的前提下，我们选用 络进行图像 的 量化处理， 最终 得到符合人眼视觉特性的量化图像。 （ 3） 基于 图像 压缩 编码。 利用 自适应 量化 算法 分别 结 合霍夫曼 编码 和 游程编码， 最终 实现 图像 的压缩处理 。 最后 简单 介绍了基于 割 编码 算法 ，并 将 三种编码算法做了比较 说明 。 实验结果显示 ，相比于 不规则区域分割编码， 结合 人眼视觉特性和 化 的图像压缩 编码 不仅具有 一定 的压缩效率，同时还能突出图像 的细节 部分 ，具有明显的 增强效果 。 关键词： 图像量化，人眼视觉特性，脉冲耦合神经网络，霍夫曼编码，行程编码 ，区域分割编码 on he is a of of as as to of is to a s) on of as (1)We an as in In to we (2)we (3)we a an In is is on of of a in 目 录 摘 要 . I . 一章 绪论 . 1 言 . 1 像压缩编码简介 . 1 于脉冲耦合神经网络的图像编码 . 2 文安排 . 4 第二章 脉冲耦合神经网络 . 5 型简介 . 5 运行特性及应用 . 7 耦合运行特性 . 7 合链接运行特性 . 8 图像处理中的应用 . 9 章小结 . 10 第三章 人眼视觉特性 . 11 眼视觉特性 . 11 觉阈值 . 11 赫带效应 . 12 觉适应性 . 13 人眼视觉特性 . 13 章小结 . 15 第四章 基于 自适应图像量化 . 16 数自适应设置 . 17 数 L . 18 数 、 . 18 数 E、 . 19 自适应图像量化 . 20 化流程设计 . 20 化结果分析 . 21 章小结 . 25 第五 章 图像压缩编码 . 26 霍夫曼编码结合 . 26 夫曼编码 . 26 合 化的霍夫曼编码 . 27 行程编码结合 . 28 程编码 . 28 合 化的行程编码 . 29 不规则区域分割编码 . 30 于 图像编码算法比较 . 31 章小结 . 32 第六章 总结和展望 . 33 文总结 . 33 作展望 . 34 参考文献 . 35 在学期间的研究成果 . 38 致 谢 . 39 兰州大学硕士研究生学位论文 脉冲耦合神经网络的压缩编码研究 1 第一章 绪论 言 视觉是人类获取 外界信息最 重要 的途径之一 。 统计 数据显示，人类获取的信息有 七成 以上来自 于 视觉 系统 。 也就是说 大 千世界 纷繁复杂 的信息绝大部分是通过人类自身的视觉系统感受到的。 21 世纪是一个信息爆 炸的时代，随着信号处理技术、计算机技术、网络技术、以及 移动互联 网 和物联网技术的高速发展， 信息技术成为了 引领 时代 潮流 的 新向标 。 图像 作 为信息的 重要 载体，它能够 生动 直观、形象逼真地反映客观世界的诸多信息， 因此 随着人类信息获知需求的增加，图像处理 技术 也就 被摆上了越来越重要的位置。 图像压缩编码作为图像 处理 的 一项 基本技术，涉及 图像处理的各个环节 。 随着图像像素的 增 大和 传输速率 要求 的提高 ， 图像压缩技术 已经 成为 图像处理 的 瓶颈 技术 之一 ，因此对图像压缩编码的研究具有很好的应用价值 和社会 效应 。脉冲耦合神经网络（ 为第三代神经网络 的主要代表 ，在图像处理领域得到了极为广泛的应用 并取得了很好的效果 。本文结合人眼视觉特性和脉冲耦合神经网络之间的相关性， 在 已有 相关工作的基础上， 进一步 探索 完善 了 基于 脉冲耦合神经网络进行图像压缩编码的相关 研究 工作 。 像 压缩编码简介 图像压缩技术是指在保证图像质量的前提下，用最少 的比特数来 无失真或 较少失真地 表达图像信息的 一门 技术 。 从数学的角度来说 ，它可以被描述为 ： 将原图像 数据 转化为 统计 学上来讲 尽可能不相关的数据集 。 从信息论的角度来讲 ，它属于 “ 信源编码 ” 的范畴 ，区别于与之相对应的“信道编码” 。 对 图像压缩 技术的探索 最早可以追溯到上世纪五六十年代 ，主要工作是 对 图像压缩 基本方法的探讨 和基础性研究 。 到上世纪七八十年代随着可视电话等技术的 出现 ，图像压缩编码技术得到了长足的 发 展， 一系列基本的图像压缩算法被提出。 进入九十年代， 为了规范图像压缩技术纷繁复杂、标准林立的乱象 ， 国际标准化组织（ 和国际电话电报咨询委员会（ 合为静态图像建立了第一个 真正意义上的 国际数字图像压缩标准 ，即 标准 ， 这 是 迄今为止 图像压缩领域 影响最 为深远 的 国际 图像压缩标准 之一 。 随着多媒体应用的 高速 发展， 压缩性能 已经无法满足人们对多媒体兰州大学硕士研究生学位论文 脉冲耦合神经网络的压缩编码研究 2 图像的压缩 需求 ， 于是 准 便 应运而生， 在 准 的基础 上提出的 一种高压缩率静态图像压缩技术标准 。 和传统的 准相比，弃了 用的 为主的块编码，转而 采用更 为 高效的以小波变换为主的多解析编码 ，从而 使得压缩算法更加适 合低 带宽、高噪声环境和多媒体传输 等 实际 需求 。随着信息技术的发展，遥感图像处理、医学图像处理、多媒体、综合业务数字网等领域对图像压缩 编码 的要求 会越来越 苛刻， 而 高压缩率、高保真度的要求本身 又是 一对此消彼长的矛盾体 ， 因此 旨在 消除像素 间 冗余和编码 冗余 的第一代图像编码技术已经 远远 无法满足要求。 需求永远是新技术形成最好的催化剂， 就这样基于内容的 第二代压缩 编码 技术 便 应运而生 。简单来讲 基于内 容的图像压缩 是 在图像分割的基础上，对感兴趣区域进行低压缩比压缩，对其他区域进行高压缩比压缩 。 它 充分 地 考虑 了接收端的主观需求，用交互式的思路 来进行图像 处理 ， 可 显著 提高 图像的压缩比。 顺着图像压缩编码技术一路 走来的演化 轨迹，我们不难看出，未来 图像压缩编码技术 有两个鲜明的 发展 方向：一是 基于内容的 图像压缩， 实际 上 是在 做视觉冗余消除的工作；二是针对具体应用的图像压缩 编码 ， 随着图像处理 技术 的不断推广， 实际中 已经很难再找到一个放之 四海 而皆准的 图像 压缩标准， 去确保每幅图像 有好地压缩效果， 这就 要求 我们针对具体的应用，分析 不同 图像的 特征，对“症”下药，找寻针对 具体 应用较为高效的压缩算法。 而下面我们将要介绍的基于脉冲耦合神经网络的图像压缩编码技术很显然属于前者。 于 脉冲耦合神经网络的图像编码 以生物学为背景的脉冲耦合神经网络是通过对猫大脑 皮层中同步脉冲发放现象研究得到的模型 ， 模型本身特别 符合 人眼视觉特性，这一点在 文章的第三部分 会 做 详细 的 说明。 用于图像处理一个重要的性质是：同步脉冲发放 特性以及自 动波的形成与传播。 即 任一神经元的点火都会触发 邻 域 神经元的 兴奋 ，也就是说 神经元的点火具有集群效应，这 一性质 正好可以用在图像 的分割以及量化上。 结合人眼视觉特性， 利用 行脉冲耦合神经网络的图像 压缩 编码大致有 如下两 个 基本 思路 。 (1)利用 对图像进行分割处理，分割出 感兴趣 区域（ 背景（ 然后对 感兴趣 区域进行无失真或低失真编码，背景区域根据应用不同直接赋固定值或者进行 较 大失真编码 。典型的有基于小波变换的感兴趣区域编码 2和已经被 际编码标准采用的区域分割编码（ 。 本质上 讲这是一种基于内容 的兰州大学硕士研究生学位论文 脉冲耦合神经网络的压缩编码研究 3 编码方式， 压缩比 较高 。 例如基于 不规则区域分割编码 3，它 利用 割出不同的块区域并找出图像的轮廓，对图像的块区域和轮廓部分分别进行编码，轮廓用链码表示，块区域部分根据内容选择不同的编码算法进行编码 ，从原理上讲它也属于区域 分割 编码的范畴。 不规则区域 分割 编码 的 原理 框图如下 ： 图 1不规则区域 分割 编码原理图 这种 编码方式的显著优势是：第一，压缩 比高，因为分割后的不规则区域内像素间具有极高的相似性，这给消除块内像素间冗余 留下了 极 大的提升空间； 第二，相同压缩比下能显著提高图像恢复质量，从人眼视觉特性的角度，我们知道人眼对于图像的边缘轮廓比较敏感，而不规则区域 编码几乎无失真地保存 了 图像的 轮廓 信息，因此它可以在同等 大小的前提 下提高恢复图像的质量；第三，能有效消除 算法容易出现的方块效应 （也叫马赛克效应） 。但是该 算法的一个致命缺陷是图像 的 压缩效果 过分 依赖 于 图像 的 分割 结果 ， 而且 算法本身复杂度高 ，解压缩流程 繁琐 。鉴于此，我们 想 找寻一种基于 图像压缩 编码 算法，在保留上述 诸多 优势的前提下， 进一步提高图像的分割效果，尽可能 减少算 法复杂度和降低解码流程， 这就是我们下文将要提及的 基于 (2)利 用 同步脉冲发放特性对图像进行量化处理，量化本身就是一种有损 的 图像压缩过程， 而 基于 量化 又 符合人眼视觉特性，可以根据人眼需求自适应地分配量化级，对敏感区域进行精细量化，对不敏感区域进行粗量化 ，因此 这样一个智能量化的过程实质上伴随着图像的压缩。 在量化的基础上，我们选择 不同 的 熵 编码方式， 二者结合 最终 实现图像的自适应编码 。 这样做的好处显而易见，在保证已有 像编码优势的基础上，编码流程更加简单，更加适 合推广和应用。 基于 图像编码技术研究 是兰州大学电路与系统研究所 马义德课题组 长期积累的研究成果。钱志伯、史飞、齐春亮、张北斗、苏茂君 、赵荣昌、李雯 等 人 对 这一课题的基本 原理、技术路线等问题做了 大量前瞻性的 工作 。 其中钱志伯、齐春亮 等人 4就 不规则区域编码的 基本 原理及多项式近似，多项式基函数兰州大学硕士研究生学位论文 脉冲耦合神经网络的压缩编码研究 4 个数对算法的影响等问题进行 了 深入 研究；苏茂君 等人 5在 分割算法、不规则区域分割编码 跟图像分辨率的关系研究以及将算法移植到 台等方面做了重要工作 ；赵荣昌、李雯等人 36对图像区域分割编码的关键问 题进行了系统性的 分析 研究； 本论文在上述工作的基础上，着重研究了 基于 图像自适应量化 及 压缩 编码 的相关 问题 。 文 安排 本文的主要内容包括 对 人眼视觉特性和 相关特性分析， 在此 基础上结合人眼视觉特性提出了基于 图像 自适应 量化，最后用基于 像 自适应 量化 算法 结合霍夫曼编码和行程编码 共同 完成 图像 的 压缩 处理 ，并用实验证明了 利用 缩图像的有效性。本文的主要内容 安排 如下： 第一章 绪论部分，从整体上对图像压缩 编码 算法以及基于 图像压缩 编码 现状做了分析总结， 简单 总结 了用 图像压缩编码的 两个 思路； 第二章 脉冲耦合神经网络，对脉冲耦合神经网络的基本模型和概念做了 系统 的描述，在此基础上 重点介绍了 神经网络的点火特性和脉冲同步发放特性； 第三章 人眼视觉特性，主要描述了人眼的一些 基本 视觉特性，并从理论 层面 对 人眼视觉 的 相关性做了细致 分析， 最终得 出 了 有人眼视觉特性的结论； 第四章 基于 自适应图像量化，我们利用 同步脉冲发放特性，对图像进行量化处理，结果是使具有相似集群的像素被量化到 同一 灰度级 上。同时利用动态阈 值 E 的指数衰减特性， 对不同 区域 分别采取 自适应 的 精细量化和粗量化，使量化结果符合人眼视觉 特性 ， 并最终 完成基于人眼视觉特性的图像自适应量化； 第五章 基于 图像压缩编码，我们 把 经过 化 后 的图像分别进行霍夫曼编码和 行程 编码，实验结果证明了 基于 缩 编码的有效性 。最后 介绍了基于 不规则区域 分割 编码， 并对三种不同的编码算法做了简单的比较说明 。 第六章 总结和展望 ， 该 部分为全文的工作总结，简单回顾了本文所做的工作， 对基于 图像 压缩 编码提出了 一些 自己的 看 法 ， 并 对今后的工作 以及 像压缩编码 的 前景 进行了展望 。 论文得到 了 国家自然科学基金（ 1175012），教育部科技项目博士点基金（ 20110211110026），中央高校基金（ 和 省自然科学研究基金（ 1208的支持 。 兰州大学硕士研究生学位论文 脉冲耦合神经网络的压缩编码研究 5 第二章 脉冲耦合神经网络 神经网络的先驱们 在 研究 猫等哺乳动物视觉皮层 脉冲发放 模型的启发下提出来的，它是由多个神经元通过脉冲耦合的方式互联，而形成的一种反馈型神经网络。 在 利用 行图像处理时， 络中的每个 神经元 我们都可以把它们看作是图像中的一个像素点 ，神经元和神经元之间相互连接，最终形成了一个单层的二维神经元网络模型，与待处理的图像形成了一一对应关系。由于 型能对二维图像中灰度相近的像素 和邻近像素 进行分组， 并且这种分组还暗含很多人眼视觉特性的功能，能有效地 减少图像局部灰度的差值，弥补图像局部微小间断， 处理的图像更加适合人眼视觉要求， 所以 基于 图像处理算法 一经推出就在图像处理领域得到了 极为 广泛的应用。 型 简介 对脉冲耦合神经网络的研究最早可以追溯到 1989 年， 最初是由 人研究得到的基本 模型 7， 紧接着 人对 这一 模型进行了 适当地 改进，并最终形成了经典的脉冲耦合神经网络模型 8。 从来源上讲，由于 脉冲耦合神经网络模型是 根据 哺乳动物的视觉皮层神经元模型演化而来 的 ， 因此 该模型非常适合于人类 视觉 信息感知 系统的相关处理 ，也就是图像信息的处理 工作 。 型一经推出便在 图像分割、特征提取、模式识别、 纹理检索、图像融合、 图像增强 、目标识别 等 诸多数字图像处理 领域得到了广泛应用。 由于标准的 型具有较为复杂的结构和较多的参数，因此在实际应用中通常使用的许多模型都是对标准 型进行简化后的模型，这些 模型在保留最基本的视觉皮层特性的同时， 能有效 降低 原始 模型的计算复杂度。具有代表性的简化 型有交叉皮层模型 9、单连接 型 10以及 脉冲皮层模型 11等 ，本文中为了保持算法的有效性，我们选用基本的 型作为我们需要的算法平台 。 兰州大学硕士研究生学位论文 脉冲耦合神经网络的压缩编码研究 6 * 非 线 性 调 制 脉 冲 输 出图 2图 2示为 经过 简化的单 经元模型框图， 单个 型 由输入 部分 、非线性调制 以及 脉冲产生等 3 部分构成。基本的 型由 文献 12中详细阐述，其离散模型由 述如下 13： ij n I (2 e x p ( ) 1 1 i j L i j L i j k l k lL n L n V W Y n (2 (1 )i j i j i jU n F n L n (2 e x p ( ) 1 1 i j E i j E i jE n E n V Y n (2 1 0i j i n E l s e (2 其中 F 代表反馈输入， L 代表连接输入， I 为输入刺激信号， W 代表连接枝的内部连接矩阵， 在一般的处理中都会取值为一个 3*3 的固定矩阵， U 是 部活动项，用于和硬限幅函数 Y 中的动态阈值 E 比较， 如果 UE 则 脉冲， 即 Y=1， 否则 Y 不输出脉冲 ，亦即 Y=0。 分析 (2(2可知，亮度越高的像素点对应的神经元点火越早，并且在一定时间内点火频率越高，如果神经元有脉冲输出，则其动态门限瞬时增加，使得第二次不可能产生脉冲输出，然后门限值开始指数衰减，当门限值小于其内部活动项时，脉冲又再次产生。 在整个脉冲耦合神经网络的工作过程中，神经元的点火至少有两个直观的作用被反映在了公式中：一是神经元的点火可以激励附近神经元的点火行为，二是神经元的点火会抑制自身的再次点火。也就是说每一个神经元的动态行为不仅取决于 其 本身的 状态，还受到相邻神经元状态的影响。 兰州大学硕士研究生学位论文 脉冲耦合神经网络的压缩编码研究 7 运行特性及应用 耦合运行特性 由 基本模型，我们可以推导出 经元在无耦合时的点火周期为 14： 1 ln i j i (2其中， E、 c、 c、 待取值参数， 对 (2分析 进行简单的分析 可知，具 有较高输入强度的神经元总是比那些具有较低输入强度的神经元先点火 。 0 无耦合 时 刻 图 对应到图像处理中来说， 就是 图像像素灰度值高的神经元点火周期小于像素灰度值低的神经元的点火周期，即： 2由上式可以看出， 最低像素 神经元 在所有神经元中最后 一个 点火， 也就是说最低像素神经元的 点火周期最长，我们 可以将这一最长的点火 周期称 之 为 “ 脉冲周期 ” (a 在 二神经元 型 中，模型的 同步脉冲发放 特性是以 “ 脉冲周期 ” 为周期，周而复 始无限循环。 由于像素灰度值较高的神经元比像素灰度值较低的神经元点火 周期短，也就是点火 更为频繁，因此，由像素灰度值较高的神经元所产生的脉冲就有可能和像素灰度值较低的神经元所产生的脉冲在满足如下条件的时刻混合在一起。 , 2 , 3 , . . .l o w h i g hT p T p (2这种现象表明，任何一个有较高灰度值的像素都有可能被归到两个或两个以上的图像量化分层中，这与图像量化的目的是相违背的。为了避免这种情况发生，兰州大学硕士研究生学位论文 脉冲耦合神经网络的压缩编码研究 8 我们假设 所有神经元在第一次迭代共同点火之后，只能 点火一次且仅此一次。在本文中，一旦一个神经元已经二次点火，我们就将其对应的动态阈值赋于极大值，从而抑制该神经元的再次点火。当最小非零灰度值所对应的神经元也完成点火之后，整个 理过程也就终止了。因此，研究第一个 “ 脉冲周期 ” 内 经元的动态特性，对图像量化处理具有重要的意义。在第一个 “ 脉冲周期 ” 内，我们将那些衰减时刻之后神经元可能点火产生脉冲的衰减时刻，称为 “ 适当衰减时刻 ” ， 即为最大像素神经元和最小像素神经元所分别对应的点火时刻之间的范围。 综上可知，不同灰度值像素在没有受到别的神经元影响时， 其独立点火频率完全 依赖于该像素灰度值。或者说，在图像中，多个相近灰度值神经元将在相同时刻点火，具有明显的分层效应，这是我们对图像进行量化的理论基础，同时，这一现象也从侧面解释了 同步脉冲发放特性。 合链接运行特性 在耦合链接的情况下，即 0 时 ，通过分析 (2可知，由于 各神经元之间相互耦合链接，任意神经元的点火都会影响到周围神经元的点火。如果最大像素点 t 时刻点火，则其临近神经元 t 时刻的内部活动项由原来的 为 +很显然： m n m n m n(1 )I L I(2也就是说 点火时刻得到了提前，如 图 2示 为点火时刻图。 0 n( 1 + Lm n)Im 时 刻Im 点 火 时 刻Im 时 刻图 2耦合链接时 由式 (2知，当参数 和 大，同步点火的神经元个数越多，在确定和 L 的情况下，神经元之间对应的亮度差越小越容易点火。 所以， 合链接运行特性可以描述为：具有空间临近、亮度相似性的输入神经元将在 相同 时兰州大学硕士研究生学位论文 脉冲耦合神经网络的压缩编码研究 9 刻点火。因此， 可以这么说 耦合链接的 络，它 是将空间 相近 集群 和 亮度相似 集群 的特征图像映射 成 为含有时间 特征 的点火图 ， 也就是我们后面 将 要说到的赋时矩阵 （ 。 这一特性是我们利用 行图像分割，图像自适应量化的理论基础。 图像处理中的应用 在 诸多特性中，同步脉冲发放特性，即 相似性集群可以产生同步发放脉冲，这一 特性在数字图像处理中得到了广泛应用，下面就 从图像分割 、图像平滑和目标识别几个方面进行 简单 介绍 。 （ 1）图像分割 合链接运行特性使得相似神经元能够实现同步脉冲发放，从这个意义上来讲 每一次脉冲发放，都是一次相似神经元的聚类。 也就是 说灰度相似神经元能够同步点火，从而实现 图像 局部平滑区域 的有效 分割 。 文献 14结合 出了一种基于图像熵的自动分割算法，文献 1516分析了 数选择以及分割图像几何形状对于分割结果的影响，提出了一种 像分割的自适应参数设置方法。 （ 2）图像平滑 利用图像像素间的相关性 实现图像的脉冲噪声去除 、即图像平滑。当某一神经元对应的像素值明显高于周围神经元像素值时，我们可以将其认定为噪声点，减少该像素的灰度值，直至该像素对应的神经元和周围像素神经元实现同步点火，从而完成图像平滑。文献 1718利用 基本性质、结合开关门运算、快速连接 最终实现了基于 图像除噪。 （ 3）目标识别 9通过实验仿真证明：让 环迭代，则最终输出是一周期性时间序列信号，而且该时间序列信号的周期不受实验图像的旋转、放缩、平移等操作影响，它只反映图像的基本特征。虽然实验没有 经过严格的数学证明，但这一性质无疑是令人激动的，因为对目标识别而言，有效消除几何变换影响对识别结果至关重要。文献 20将该时间信号序列 应用 于 图像 预处理，结合其它算法最终实现目标识别。 综上， 运行特性可以简单概括为：网络输入施加、单个神经元脉冲发放、集群神经元同步脉冲发放。通过这一动态的过程，最终实现了输入信息个体无序点火到集群发放的映射， 同步脉冲发放特性是后文进行图像量化处理的理论支撑。 兰州大学硕士研究生学位论文 脉冲耦合神经网络的压缩编码研究 10 章小结 本章中，我们简单介绍了脉冲耦合神经网络的基本原理，接着我们分别分析了其 脉冲耦合神经网络的无耦合点火特性以及耦合捕获特性。首先我们简单介绍了 单个神经元的模型及其离散数学描述，并对其进行了简单的总结。接着我们对神经元无耦合情况下的点火特性进行了详细的分析，在此基础上，我们对耦合神经网络的脉冲捕获特性进行了简要分析，找到了 于图像量化的理论支撑，并进行了简单的参数分析