1、由Eckhorn神經(jīng)元模型得到的脈沖耦合神經(jīng)網(wǎng)絡(luò)模型(PCNN)是直接觀察貓的視覺皮層神經(jīng)細(xì)胞并模擬其活動而得到的人工神經(jīng)網(wǎng)絡(luò)模型。PCNN不同于傳統(tǒng)的人工神經(jīng)網(wǎng)絡(luò)模型，它是通過模擬視覺皮層神經(jīng)細(xì)胞的活動而建立的神經(jīng)網(wǎng)絡(luò)模型，是對真實神經(jīng)元的簡化與近似。PCNN網(wǎng)絡(luò)模型所具有的鏈接域特性和動態(tài)閾值衰減特性能夠使?fàn)顟B(tài)相似的神經(jīng)元同步輸出脈沖，這一點充分模擬了哺乳動物視覺皮層神經(jīng)元的生物特性，因而在圖像分割、邊緣提取、目標(biāo)識別等圖像處理方而

2、獲得了廣泛的應(yīng)用。 本文深入研究脈沖耦合神經(jīng)網(wǎng)絡(luò)的基本原理、運動行為及其特性，本論文對原始PCNN模型做了一定程度的簡化，在保持PCNN鏈接域特性和動態(tài)閾值衰減特性的基礎(chǔ)上減少了神經(jīng)元模型的一些參數(shù)，提出更適用于圖像處理的簡化型PCNN模型。從理論上說，簡化型PCNN可以用于圖像處理的各個方面，本文只對灰度指紋圖像進(jìn)行了分割，又對被白噪聲污染的二值指紋圖像進(jìn)行了去噪處理，完成了指紋識別系統(tǒng)中兩個重要的環(huán)節(jié)。同時，實驗發(fā)現(xiàn)簡化型P