1、隨機(jī)共振機(jī)制顛覆了噪聲對(duì)于信號(hào)增強(qiáng)而言是有害的觀點(diǎn)，它提供了一種利用非線性系統(tǒng)實(shí)現(xiàn)噪聲能量向信號(hào)轉(zhuǎn)移的新思路。與此同時(shí)，越來(lái)越多的神經(jīng)電生理實(shí)驗(yàn)揭示，隨機(jī)共振在神經(jīng)系統(tǒng)中可能無(wú)處不在，并且背景噪聲在神經(jīng)信息流流動(dòng)中扮演了重要的角色。其中視覺(jué)神經(jīng)系統(tǒng)中的隨機(jī)共振現(xiàn)象已經(jīng)成為研究熱點(diǎn)，并陸續(xù)出現(xiàn)隨機(jī)共振機(jī)制在信號(hào)或圖像處理中的應(yīng)用。但上述研究主要集中于理想的雙穩(wěn)態(tài)系統(tǒng)或者是單個(gè)神經(jīng)元計(jì)算模型的仿真上，關(guān)注于隨機(jī)共振方法本身，而忽視了非線性系

2、統(tǒng)的結(jié)構(gòu)對(duì)于隨機(jī)共振性能也具有重要的影響。因此本文以能夠充分反映神經(jīng)元?jiǎng)幼麟娢划a(chǎn)生過(guò)程的FitzHugu-Nagnmo(FHN)神經(jīng)元計(jì)算模型為基本單元，首先考慮到自突觸結(jié)構(gòu)在視覺(jué)神經(jīng)感知系統(tǒng)中的重要作用，提出了具有自突觸特性的FHN神經(jīng)元模型，進(jìn)行強(qiáng)噪聲背景下弱信號(hào)的增強(qiáng)應(yīng)用；然后考慮神經(jīng)元之間的突觸互連結(jié)構(gòu)，進(jìn)一步構(gòu)建耦合FHN神經(jīng)元模型，以強(qiáng)噪聲背景下的圖像邊緣檢測(cè)為例展開(kāi)了應(yīng)用研究，解釋神經(jīng)感知系統(tǒng)中雙向信息流通機(jī)制所起到的重要

3、作用；最后構(gòu)建了基于多重隨機(jī)共振機(jī)制的FHN神經(jīng)元模型，模擬視覺(jué)系統(tǒng)對(duì)視野內(nèi)不同層次細(xì)節(jié)逐步感知的過(guò)程，以多對(duì)比度菌落圖像為例，進(jìn)行圖像邊緣檢測(cè)實(shí)驗(yàn)。本文主要工作和研究成果如下：
　　(1)傳統(tǒng)FHN神經(jīng)元網(wǎng)絡(luò)只強(qiáng)調(diào)神經(jīng)元之間的連接機(jī)制，忽視了微觀神經(jīng)元本身與神經(jīng)網(wǎng)絡(luò)系統(tǒng)之間的回路，即“自突觸”結(jié)構(gòu)，而本文認(rèn)為該結(jié)構(gòu)在神經(jīng)系統(tǒng)信息傳遞過(guò)程中扮演重要角色，因此對(duì)傳統(tǒng)FHN神經(jīng)元模型進(jìn)行改進(jìn)，模擬自突觸結(jié)構(gòu)在神經(jīng)系統(tǒng)中傳遞信息的過(guò)程，

4、并以改進(jìn)后的模型（自突觸FHN神經(jīng)元模型）為單元，構(gòu)建神經(jīng)元網(wǎng)絡(luò)并應(yīng)用于一維弱信號(hào)的增強(qiáng)，通過(guò)梯度下降法自適應(yīng)搜尋最優(yōu)內(nèi)噪聲，并給出定量指標(biāo)進(jìn)行評(píng)價(jià)；將研究對(duì)象擴(kuò)展到二維圖像信號(hào)增強(qiáng)，以峰值信噪比為定量指標(biāo)，獨(dú)立調(diào)節(jié)內(nèi)、外噪聲強(qiáng)度。實(shí)驗(yàn)結(jié)果表明，改進(jìn)模型具有較高的峰值信噪比值，增強(qiáng)后的圖像細(xì)節(jié)豐富、層次感強(qiáng)，毛刺少，且對(duì)內(nèi)、外噪聲魯棒性強(qiáng)。
　　(2)神經(jīng)系統(tǒng)功能需要多個(gè)腦區(qū)神經(jīng)元協(xié)同配合完成，而傳統(tǒng)的神經(jīng)元并聯(lián)和串聯(lián)網(wǎng)絡(luò)基于單向

5、信息流通方式，無(wú)法模擬神經(jīng)元之間復(fù)雜的連接方式，因此本文提出一種基于雙向信息流通機(jī)制的耦合FHN神經(jīng)元模型：神經(jīng)元之間以互反饋的形式構(gòu)成閉環(huán)系統(tǒng)，同時(shí)將其應(yīng)用于強(qiáng)噪聲背景下一維弱跳變信號(hào)的檢測(cè)問(wèn)題，隨后進(jìn)一步應(yīng)用于強(qiáng)噪聲背景下的二維圖像邊緣檢測(cè)。實(shí)驗(yàn)結(jié)果表明：與傳統(tǒng)的并聯(lián) FHN神經(jīng)元模型以及串聯(lián) FHN神經(jīng)元模型相比，新模型檢測(cè)到的邊緣具有較高的信息熵值，且邊緣完整、準(zhǔn)確、清晰，細(xì)節(jié)信息豐富，圖像層次感強(qiáng)，凸顯輪廓。
　　(3)

6、考慮到耦合FHN神經(jīng)元模型本質(zhì)上是全局意義下的增強(qiáng)，并不適合多級(jí)強(qiáng)度下的跳變信號(hào)增強(qiáng)。因此提出一種基于多重隨機(jī)共振機(jī)制的弱信號(hào)增強(qiáng)新方法。首先在噪聲激勵(lì)下，圖像的強(qiáng)對(duì)比度邊緣得到凸顯；隨后將檢測(cè)結(jié)果與視野內(nèi)原圖進(jìn)行融合，減弱高對(duì)比度邊緣對(duì)于視覺(jué)感知的干擾，再次利用隨機(jī)共振機(jī)制實(shí)現(xiàn)對(duì)低對(duì)比度邊緣的檢測(cè)。將其用于強(qiáng)噪聲背景下的多幅值跳變信號(hào)的檢測(cè)問(wèn)題，獨(dú)立調(diào)節(jié)內(nèi)、外噪聲，以研究新模型的魯棒性。強(qiáng)噪聲背景下多對(duì)比度菌落圖像的邊緣檢測(cè)結(jié)果表明，