摘要
脉冲耦合神经网络（Pulse-CoupledNeuralNetwork，PCNN）具有浓厚的生物学特性，经过多年来的不断改进，其在图像处理方面表现出了巨大的潜能，已被广泛地应用于图像分割、图像加密、图像融合以及边缘检测等各个领域。PCNN在广泛应用的同时，仍存在一些关键性技术问题值得国内外研究人员的关注，其中PCNN模型本身数学特性的分析、PCNN参数设置与网络特性的关系、PCNN参数自适应的方法、PCNN生物特性与图像处理应用如何更好地结合和PCNN与深度学习网络的结合等问题是目前研究的重点和难点。 基于以上存在的问题，本文从PCNN模型的耦合方式出发，对不同连接方式的PCNN模型神经元点火机理和网络参数开展研究，并将传统PCNN模型改进为混沌脉冲耦合神经网络，将其应用于图像加密领域。论文的主要工作内容如下： （1）双通道耦合连接方式的模型分析。PCNN神经元的耦合方式是双通道耦合连接，模型能够通过邻域耦合捕获邻域神经元的点火状态信息，这是PCNN具有同步脉冲发放特性和捕获特性的一个重要原因。本文从时域角度出发，利用迭代分析法对不同耦合连接方式的PCNN模型进行了公式推导，并阐述了PCNN模型存在的数学耦合特性。 （2）参数对网络特性影响的分析。PCNN是一个多参数系统，参数的设置影响网络特性的输出。针对所推导的模型，本文对PCNN的反馈输入子系统、调制子系统、耦合连接子系统和动态阈值子系统中含有的网络参数进行逐一分析，明确了网络参数与子系统网络特性之间的关系，并给出了参数的约束条件。 （3）混沌脉冲耦合神经网络数学模型的获取。根据动态阈值子系统的脉冲发放规律和神经元点火的约束条件，计算得到神经元点火间隔的有效表达式，并通过初始动态阈值替换为振荡复位电压的方法，得到离散混沌PCNN的数学模型。 （4）提出了一种基于改进Arnold变换和混沌脉冲耦合神经网络的图像加密算法。首先利用本文改进的混沌脉冲耦合神经网络产生混沌序列，然后将混沌序列与原始图像进行异或运算，达到预加密效果；最后再利用改进的Arnold变换对预加密图像进行像素位置置乱，得到最终的加密图像，完成加密任务。
NETL