[01153245]基于脉冲耦合神经网络等智能方法的信号处理和模式识别

本项目属于人工神经网络及智能信息处理领域。本项目在国家自然科学基金委、科技部、中国博士后基金委、上海市科委（上海博士后基金）和复旦大学的资助下,对神经网络（特别是时空编码的脉冲耦合神经网络）、基于神经网络的仿生建模、采用神经网络或其它智能方法的信号处理、模式识别等展开了深入而系统的研究,取得了国际领先的研究成果： （一）提出了脉冲耦合神经网络（PCNN）的单位联接（Unit-linking）模型,对其理论及应用展开了深入而系统的研究： a)将所提出的单位联接脉冲耦合神经网络（Unit-linking PCNN）用于图像阴影去除、图像细化、空洞滤波、噪声去除、图像分割、边缘检测、路径优化等方面。 b)证明了严格的数学形态学运算与Unit-linking PCNN的运算是完全等价的,提出了基于数学形态学的Unit-linking PCNN二值图像通用设计方法,由此得到了颗粒分析新方法及、图像脉冲噪声去除新方法,并据此统一了我们所提出的基于Unit-linking PCNN的各种图像处理方法。 c) 用Unit-linking PCNN提取具有多种不变性又能反映局部变化的图像特征,并将其用于目标识别及跟踪、机器人导航、图像认证、图像检索等方面,该方法在非平稳视频流机器人导航中优势更突出。 （二）用脉冲耦合神经网络进行注意力选择等仿生建模： a)首次将陈霖院士提出的拓扑认知理论和脉冲耦合神经网络,以及神经科学中的同步振荡理论相结合,提出了一个新的注意力选择模型,引入拓扑性质后,注意力选择性能得到了明显提高。b)提出了基于Unit-linking PCNN的方位检测模型及方法,模仿了大脑视觉皮层的方位检测功能; c)提出了拥有TOP-DOWN机制的Unit-linking PCNN注意力选择模型及方法,通过目标轮廓的周期性振荡实现注意力选择,并将其与我们提出的边缘检测方法与方位检测方法相结合,用Unit-linking PCNN实现了从边缘检测至方位检测,再到注意力选择的全过程。 （三）对基于多种神经网络或其它智能方法的信号处理和模式识别展开了研究： a)提出了基于前馈神经网络组的电力故障检测、基于GABOR相位的多种手静脉识别方法。 b)提出了基于自组织神经网络的色盲矫正、基于支撑向量机的表情识别等方法。 c) 提出了基于一种新的相似度的图像检索、基于基于社交网络的图像检索、基于卷积神经网络的自然语言情感分析等方法。 20篇代表性和重要论文（第一完成人均为其作者;含英文著作章节）发表于IEEE Tran.on Neural Networks （Web of Science 核心集合中单篇他引41次）、 Pattern Recognition Letters（Web of Science 核心集合中单篇他引33次）、Neural Processing Letters（Web of Science 核心集合中单篇他引20次）、Computer Vision and Image Understanding（Web of Science 核心集合中单篇他引10次）、Information Sciences （Web of Science 核心集合中单篇他引8次）、 Neurocomputing（Web of Science 核心集合中单篇他引10次）等国际期刊及著作。16篇SCI检索的论文在Web of Science 核心集合中他引140次,最高单篇他引41次。同时,第一完成人应应美国NOVA科学出版社邀请分别独立撰写了4本英文合著中的4章（合计101千字）,并为其中的一部写序。第一完成人在IEEE国际神经网络大会（IJCNN）、国际神经信息处理大会（ICONIP）等国际会议上作报告20多次。相关研究期间,还获得4项专利授权。由于在神经网络（特别是脉冲耦合神经网络）方面的研究成果,第一完成人应邀于2014年1月至2016年12月担任国际权威期刊Neural Networks的编委会委员。 本项目执行期间还培养硕士生26名,博士生1名（已留校任教）;第一完成人被评为2007复旦大学优秀博士后（10/556）。 本项目后续研究已继续得到国家自然科学基金委的资助,这将进一步深化相关的研究。