视觉皮层神经元模型的脉冲同步振荡相关理论及应用研究

在PCNN和LEGION中区域内相互连接的神经元之间能引起同步振荡并出现同步脉冲发放现象，在图像处理领域等中都得到了一些应用。可是模型缺乏和一些有效视觉信息处理机制的结合，且限于单层面链接模式下的图像单一视觉信息处理；神经元的动力学参数缺乏有效的自动优化估计。本项目首先研究一些有效的视觉信息处理机制在模型中的体现及对神经元脉冲同步振荡相关性作用的动力学机制。进而在单层平面链接模式下进行图像单一视觉信息处理时，研究神经元参数的优化估计方法。其次，研究模型在多层面立体链接模式下的图像多视觉信息处理方法及神经元参数的优化估计。最后，综合两个模型的优缺点，提出一个新的视觉皮层模型并应用于图像处理等领域。该项目的成功实施有望提高视觉皮层脉冲同步振荡相关理论在图像处理中的有效性和智能可控性。项目成果表现为发表高质量学术论文、申报国家发明专利和培养研究生。

项目研究成果概括起来大体分四个方面。①神经网络的动力学机制研究。利用Lyapunov泛函方法，结合不等式分析技巧分别讨论神经网络的稳定性，得出了一系列稳定性判据的充分条件。利用同胚理论和线性矩阵不等式的技巧讨论了神经网络的周期解的存在性和唯一性以及神经网络平衡点的存在性和唯一性，全局稳定性。对视觉皮层脉冲耦合神经网络（PCNN）及简化的S-PCNN的捕获机制进行了严密的数学推导，得到了脉冲振荡时间相位、不应期的严格数学表达式。对其振荡时间相位进行了严谨的数学分析，得出了周期振荡和非周期振荡的过渡划分机理，分析结论在实验中得到了系统地验证。②视觉皮层PCNN神经元参数估计。以动力学特性分析结果为基础，系统地研究了神经元各个参数的自动估计方法，参数估计方法可以应用于图像去噪，图像增强，图像分割，人脸识别等方面。③基于视觉皮层神经元模型的图像处理。利用视觉皮层神经元模型，在图像方差准则基础上将最大香农熵准则，最小交叉熵准则相结合，再组合图像分块策略与图像加权预处理策略，神经元模型参数的选择自动因图像的像素点值不同而变化，分别对灰度图像与彩色图像进行了研究，提出了不同准则和策略组合的图像处理方案。计算机仿真结果表明，所提方法具有较好的图像处理效果和实验仿真速度性能。利用神经元各个参数的自动估计方法，对PCNN神经元的振荡时间序列进行了研究。在AT&T实验室的人脸数据库中进行的人脸识别实验结果表明，神经元参数的自动估计方法能很好地用于PCNN网络对于人脸图像特征的提取，人脸图像的OTS也完全可以很好地满足人脸识别的需要，而且人脸的识别率要好于目前流行的大量子空间分析方法，体现了良好的性能。④基于视觉皮层神经元模型的路径优化计算方法。通过对PCNN 网络中脉冲波产生机制的分析，得出了PCNN 网络中能够形成脉冲波传播的必要条件。分析了神经元链接权W和链接强度β对脉冲波传播速度和方向的影响。提出了竞争型脉冲耦合神经网络CPCNN 模型，并推导了该模型中脉冲波传播时的神经元参数约束条件，并将其用于多约束QoS 路由及最短路径树求解。实验结果验证了该方法的有效性。已发表SCI检索论文7篇，EI检索论文12篇，中文核心期刊6篇。培养研究生毕业12人，指导本科毕业20人，项目成员1人获博士学位。