一个异步尖端神经膜系统用于边缘检测
Luping Zhang1, Fei Xu2, Ferrante Neri3
1Jiangxi Engineering Technology Research Center of Nuclear, Geoscience Data Science and System, Jiangxi Engineering Laboratory on Radioactive Geoscience and Big Data Technology, School of Information Engineering, East China University of Technology, Nanchang 330013, Jiangxi, P. R. China.
International journal of neural systems
|March 15, 2024
概括
这项研究引入了一种新的异步尖端神经膜系统 (SN P系统) 用于在数字图像中检测边缘. 新的基于节奏的通信模型在与现有方法相比显示出更高的性能.
科学领域:
- 计算神经科学是一种神经科学.
- 生物启发的计算 生物启发的计算
- 图像处理 图像处理
背景情况:
- 尖端神经膜系统 (SN P系统) 是仿制神经活动的生物灵感计算模型.
- 现有的SNP系统主要使用基于同步的通信;基于节奏的通信需要进一步研究.
- 边缘检测是数字图像处理中的关键步骤,正在进行研究以提高精度和效率.
研究的目的:
- 设计和研究一个异步的SNP系统,利用基于节奏的通信进行边缘检测.
- 引入一个新的算法,EDSNP,模拟设计的SN P系统用于图像边缘检测.
- 评估EDSNP的性能与已建立的边缘检测方法相比.
主要方法:
- 开发一个异步的SNP系统,以共振连接为特色,以节奏为基础的尖峰生成.
- 在SNP系统中实施了三个模块,每个模块都执行不同的边缘检测操作.
- 使用 EDSNP 算法对数字图像进行边缘检测,模拟 SN P 系统.
主要成果:
- 与传统方法相比,EDSNP算法在边缘检测方面表现优越.
- 定量分析显示,准确度有所提高,错误率降低,信号与噪声比提高.
- 该系统实现了高的真实阳性率,表明了有效的边缘识别.
结论:
- 设计的异步SNP系统与共振连接有效地执行边缘检测.
- 在SNP系统中,基于节奏的通信和时间点火显示出对图像处理任务的巨大潜力.
- 该EDSNP算法提供了一个有希望的生物灵感的方法,用于准确和高效的数字图像边缘检测.
