[00857232]基于脉冲耦合神经网络等智能方法的信号处理及仿生建模

该项目属于计算机科学与脑科学等学科前沿交叉领域，对时空编码的脉冲耦合神经网络、空间编码的无监督学习自组织映射神经网络、有监督学习前馈型神经网络等模型或智能方法的理论及其在图像处理、特征提取、优化、色觉异常矫正、故障检测、方位检测、基于拓扑性质知觉理论或同步振荡理论的注意力仿生建模等方面的应用展开了系统而深入的研究，取得了一系列创新性的研究成果：取得了脉冲耦合神经网络理论及其应用于图像处理方面的研究成果,分析了网络的动态行为，提出了更便于硬件实现的单位联接脉冲耦合神经网络，并应用于阴影去除、细化等一系列图像处理；从数学形态学角度,提出了单位联接脉冲耦合神经网络图像处理通用设计方法。提出了用单位联接脉冲耦合神经网络提取具有多种不变性又能反映局部变化的图像特征，并用于目标识别、跟踪、机器人导航、图像认证等方面,该方法在非平稳视频流机器人导航中优势更突出；提出了一种新的用于图像特征匹配的高维特征距离多尺度相似度；提出了基于单位联接脉冲耦合神经网络的静态及动态网络的最优路径求解方法,其计算量只和路径参数有关，与路径图复杂程度无关。提出了基于自组织映射神经网络的色觉异常矫正模型；提出了基于前馈型等神经网络组的故障检测等方法；提出了基于单位联接脉冲耦合神经网络和拓扑性质知觉理论的心理学注意力选择仿生模型,充分贯彻了“大范围拓扑性质首先”的拓扑性质知觉理论；提出了基于单位联接脉冲耦合神经网络及同步振荡的神经生物学注意力选择仿生模型。 该项目20篇代表性和重要论文发表于IEEE Trans. on Neural Networks、Pattern　Recognition　Letters、Neural Processing Letters、Computer Vision and ImageUnderstanding、Information Sciences、Neurocomputing等国际权威期刊及论文集。8篇代表性论文SCI他引120次，最高单篇他引35次。