基于细胞神经网络的从阴影恢复形状的新方法

王怀颖; 于盛林; 冯 强

您当前的位置：

首页 >

文章列表页 >

基于细胞神经网络的从阴影恢复形状的新方法

论文 | 更新时间：2025-07-16

- 基于细胞神经网络的从阴影恢复形状的新方法
- A New Approach for Shape form Shading Based on CNN
- 电子学报 2006年34卷第11期页码：2120-2124
- 作者机构：
  
  南京航空航天大学自动化学院,江苏,南京,210016
- 作者简介：
- 基金信息：
- DOI：
  中图分类号： TP751.1
- 纸质出版：2006
- 稿件说明：
移动端阅览
王怀颖, 于盛林, 冯强. 基于细胞神经网络的从阴影恢复形状的新方法[J]. 电子学报, 2006,34(11):2120-2124.

WANG Huai-ying, YU Sheng-lin, FENG Qiang. A New Approach for Shape form Shading Based on CNN[J]. Acta Electronica Sinica, 2006, 34(11): 2120-2124.
王怀颖, 于盛林, 冯强. 基于细胞神经网络的从阴影恢复形状的新方法[J]. 电子学报, 2006,34(11):2120-2124. DOI：

WANG Huai-ying, YU Sheng-lin, FENG Qiang. A New Approach for Shape form Shading Based on CNN[J]. Acta Electronica Sinica, 2006, 34(11): 2120-2124. DOI：

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模拟电路

它的连续时间特点以及局部互连特点使其可以进行并行计算

并且非常适用于超大规模集成电路(VLSI)的实现.本文针对从阴影恢复形状(SFS)问题

提出了一种基于硬件退火CNN的能量函数优化方法

并对该方法进行了详细分析

给出了实例的仿真结果

验证了该方法的有效性.该方法为并行处理算法

具有运算量小、易于大规模VLSI集成实现

且能够克服局部极小等优点

可以使SFS问题得到实时的处理.

Abstract

A cellular neural network (CNN) is a large-scale nonlinear analog circuit suitable for real-time signal and image processing.CNN can be used for high-speed parallel computation and is easy to be translated into a VLSI implementation.This paper presents one new approach for shape from shading (SFS) using paralleled hardware annealing CNN that performs optimization algorithm.Some practical results are presented and briefly discussed

which demonstrates the successful operation of the proposed algorithm.This new approach is very affordable to parallelism and analog VLSI implementation

which allowing the SFS solution to be performed in real-time.

关键词

Keywords

references

浏览量

983

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

一种无线传感器网络性能评估及优化方法

太阳花散热器优化设计

PSO算法优化BP网络的新方法及仿真实验

一种网格资源优化分配方案