一种基于pcnn赋时矩阵的图像去噪新算法

《一种基于pcnn赋时矩阵的图像去噪新算法》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、Seediscussions,stats,andauthorprofilesforthispublicationat:https://www.researchgate.net/publication/274890150ANewAlgorithmforNoiseReducingofImageBasedonPCNNTimeMatrixArticleinDianziYuXinxiXuebao/JournalofElectronicsandInformationTechnology·August2008DOI:10.3

2、724/SP.J.1146.2006.02059CITATIONSREADS21721author:YideMaLanzhouUniversity245PUBLICATIONS1,952CITATIONSSEEPROFILESomeoftheauthorsofthispublicationarealsoworkingontheserelatedprojects:MedicalImageanalysis,retrievalandEncryptionViewprojectneuralnetworksprincipl

3、e&applicationViewprojectAllcontentfollowingthispagewasuploadedbyYideMaon13April2015.Theuserhasrequestedenhancementofthedownloadedfile.第30卷第8期电子与信息学报Vol.30No.82008年8月JournalofElectronics&InformationTechnologyAug..2008一种基于PCNN赋时矩阵的图像去噪新算法①②刘勍马义德①(天水师范学院物理与信息科学

4、技术学院天水741001)②(兰州大学信息科学与工程学院兰州730000)摘要：该文从图像脉冲噪声的特点出发，提出了基于脉冲耦合神经网络(PulseCoupledNeuralNetworks,PCNN)赋时矩阵的图像去噪算法。赋时矩阵是由PCNN产生的一种从空间图像信息到时间信息的映射图，在图像处理中，赋时矩阵包含有与空间相联系的有用信息。计算机仿真结果表明，通过对PCNN赋时矩阵分析与处理，综合运用相关方法，可以有效地滤除被脉冲噪声污染的图像噪声，且恢复图像的视觉效果明显地好于中值滤波、均值滤波及维纳法得到的

5、结果，其信噪比高、去噪能力强、对边缘和细节的保护性好、适应性强。关键词：图像去噪；PCNN；赋时矩阵；脉冲噪声中图分类号：TN911.73文献标识码：A文章编号：1009-5896(2008)08-1869-05ANewAlgorithmforNoiseReducingofImageBasedonPCNNTimeMatrix①②LiuQingMaYi-de①(SchoolofPhysicsandInformationScienceandTechnology,TianshuiNormalUniversity,Ti

6、anshui741001,China)②(SchoolofInformationScience&Engineering,LanzhouUniversity,Lanzhou730000,China)Abstract:ThispaperputsforwardanewalgorithmforimagereducingnoisebasedonthetimematrixofPulseCoupledNeuralNetworks(PCNN)formtheaspectofthecharacteristicofimageimpu

7、lsivenoise.ThetimematrixisamappingfromspatialimageinformationtotimeinformationgeneratedfromPCNN,Thetimematrixcontainsusefulinformationrelatedtospatialinformationinimageprocessing.TheresultsofcomputersimulationsshowthatthroughanalyzingandprocessingthePCNNtime

8、matrix,theimagepollutedbyimpulsivenoisecanbefilteredefficientlyandvisualeffectsofrestorationimagesaremuchbatterthanthoseobtainedfromthemedianfilter,meanfilterandwienerfilter.Thismethodpresentshi