计算机视觉是一个内容丰富而又极负挑战性的学科,迄今为止,它的研究工作已经取得了丰硕的成果。在人类的视觉神经系统中,神经元的运算速度仅为毫秒级。和计算机相比,单个神经细胞十分“笨拙”。但人类的视觉系统依赖这些神经元实现了对高分辨率视觉数据的实时处理和高速传输,将强大的计算机视觉系统远远的甩在了后面。基于对人类神经系统的模仿,人工神经网络便应运而生。 混沌神经元是一个对生物神经元进行计算模拟的复杂系统,动力学是刻画复杂系统的有力工具。本文在MATLAB环境下,利用绘图函数和脚本文件对混沌神经元动力系统进行了形象的描述,在此基础上,对混沌神经元特性的动态分析表明:代表外部信息的输入项对混沌神经元的内部动力学状态具有决定性的影响。随着输入项的变化,混沌神经元状态有规律的在混沌态和周期态之间相互转化,利用这种特性可以控制混沌神经元的内部状态。 由混沌神经元组成的混沌模拟退火神经网络(CSAN)是一种用来进行优化计算的有力工具,然而,对于这种神经网络的搜索机理却没有得到深入的研究,阻碍了它的进一步应用。CSAN搜索过程通常要经过两个阶段:首先在网络退火阶段进行“粗搜索”,得到一个次优值;然后在此值的基础上转入梯度“细搜索”,得到最优值。本文通过分析组成CSAN中单神经元的动力学特性,利用一种倍周期分岔反馈法成功的控制了它的混沌行为,继而深入理解CSAN求解经典TSP问题的过程,得到了CSAN“粗搜索”的工作机理:在退火过程中,由自反馈项充当混沌动力,由耦合项产生的连续反馈充当微扰,通过对混沌的倍周期倒分岔的稳定控制,最终筛选出对应于最优值或次优值的吸引子。 在深刻理解这种混沌退火神经网络搜索机理的基础上,本文构造一种能模拟人眼运动机制的计算机视觉系统,通过混沌神经网络的优化计算,实现了人眼定位和识别的基本功能,并给出了仿真结果。