时空编码脉冲耦合神经网络理论及应用

本书结合作者多年来从事的研究工作系统介绍了时空编码脉冲耦合神经网络（PulseCoupledNeuralNetwork,PCNN）的原理及应用。与传统的只有空间编码的平均点火率神经网络相比，脉冲耦合神经网络具有更强的信息处理能力。在图像处理及模式识别等方面：将其用于阴影去除、去噪、分割、细化、边缘提取、颗粒分析、空洞滤波、道路提取、目标跟踪和图像检索等，并由数学形态学得到了图像处理通用设计方法；将具有不变性的全局时间签名及提出的能反映局部变化的局部时间签名用于机器人导航、目标识别、图像认证等方面。在仿生建模方面，提出方位柱模型、目标轮廓同步振荡模型、拓扑知觉注意力选择模型等。在优化方面，将其用于通信中最优路径的选择等。