摘 要

细胞神经网络（CNN）是一种实时处理信号的大规模非线性阵列处理器，细胞神经网络能够分享相互之间具有的显著特征，由于CNN的时滞性使得对实时信号处理在数字域进行处理变得可行。

CNN像元胞自动机一样，它是由一个庞大的并且具有整齐间隔的集中电路克隆形成。其中的个体称为细胞，并且细胞仅仅与其相邻并且最近的邻细胞进行信息交流。每一个细胞是由一个线性电容器，一个非线性电压控制的电流源以及一些电阻性电路元件组成。同时，细胞神网络的局部互通性使其能够适用于超大规模集成电路的实现。

细胞神经网络是属于多学科交叉研究领域，在现实生活中被广泛的用于处理图像和视频信号等，是当下神经网络研究领域的热点之一。

该论文主要是研究CNN在图像处理方面的应用的实际问题，利用CNN的非线性、高速并行实时计算、易于硬件实现等特点，结合数学形态学等数学理论和方法，建立模板参数，通过数值模拟验证CNN应用于灰度图像的逻辑蕴含算法的有效性和鲁棒性。神经网络的发展目标就是成为智能信息处理的新兴工具之一，所以对此次课题的研究亦是对今后智能化的追求^[1-2]。

关键词：细胞神经网络，图像处理，逻辑蕴涵运算，鲁棒性设计，模板参数

Abstract

Cellular neural networks (CNN) is a kind of real-time signal processing of large-scale nonlinear array processor, cellular neural network can share the obvious characteristics of each other, due to the time lag of the CNN to deal with real-time signal processing in the digital domain becomes feasible.
CNN as cellular automata, it is composed of a large and concentrated circuit with regular interval clone formation.Individual called of these cells, and cells only adjacent exchange of information and the nearest neighboring cells.Each cell is controlled by a linear capacitor, a non-linear voltage controlled current source and some resistive circuit component.The local interoperability of god at the same time, the cell network make it can be used in large scale integrated circuit implementation.
Cellular neural network is a multidisciplinary cross research field, in real life are widely used in image and video signal processing, etc., is one of the present research hotspot in the field of neural network.
The paper mainly studies the CNN in image processing of the application of practical problems, the use of CNN's nonlinear, high speed parallel real-time calculation and easy hardware implementation, etc, combined with the mathematical theories and methods of mathematical morphology, establish a template parameter, CNN is validated by numerical simulation is applied to the logic of gray image contains the effectiveness and robustness of the algorithm.Neural network's development goal is to become one of the emerging tool intelligent information processing, so the study of this subject is also the pursuit of the future intelligent .

Key Words: cellular neural network,image processing,logic converse implication,template robustness,template parameter

目 录

摘 要 I

Abstract II

第1章 绪论 4

1.1 选题背景与意义 4

1.1.1 传统人工神经网络存在的局限性 4

1.1.2 研究细胞神经网络应用于图像处理的意义 5

1.2细胞神经网络(CNN)的发展历程与研究现状 5

1.2.1 CNN的理论背景 5

1.2.2 CNN的发展历程 7

1.2.3 CNN的研究现状 8

第2章 细胞神经网络理论基础 9

2.1 CNN模型的结构与特性曲线 9

2.2 CNN的状态方程以及相关定理 12

2.2.1 CNN的状态方程 12

2.2.2 CNN的特点 14

2.3 CNN在图像处理方面的应用 16

第3章 基于CNN的灰度图像处理研究 17

3.1 CNN的输入值范围调整 17

3.2 CNN状态方程的差分化 17

3.3 CNN的模板参数设计 17

3.4用CNN设计灰度图像的蕴含算法 18

3.4.1蕴含算子 18

3.4.2灰度逻辑蕴含CNN 20

3.4.3 灰度逻辑蕴含CNN的鲁棒性设计 22

3.5 灰度逻辑蕴含CNN模板的数值模拟 23

第4章 结束语 26

参考文献 27

附 录 28

致 谢 30

第1章 绪论

在当今世界之中亟待创新突破的学科技术之一便是智能应用技术的开发，而智能信息处理发展的重要研究及发展方向就是人工神经网络。

自从第一个人工神经元模型被美国的心理学家Mc Culloc和数学家Pitts提出以来，人工神经网络的研究已走过60多年的艰苦道路。在1980年至今，在全球各地对神经网络的关注度开始陡然上升，尤其是从最近10年的发展来看，关于人工神经网络的的理论学习和数字化信息的联系更加紧密，同时与函数空间理论、统计学、信息理论各方面有着关联。由于其独特知识表示结构、信息处理原则，使得他能处理解决某些传统的计算机无法解决的难题，并且能提供满意解或为寻求满意解提供全新的思路。

人工神经网络作为一门与多学科有着关联的新兴学科，关于其的研究与应用已经在各个领域得到重视和研究开发。人工神经网络的发展目标就是成为智能信息处理的核心工具之一，可以断言，只要对人脑功能的研究不停止，那么对人工神经网络的研究仍将是今后追求智能化的永恒主题之一。

1.1 选题背景与意义