基于PCNN神经网络的图像去噪算法研究

基于PCNN神经网络的图像去噪算法研究

ID:38225954

大小:778.04 KB

页数:4页

时间:2019-05-24

基于PCNN神经网络的图像去噪算法研究_第1页
基于PCNN神经网络的图像去噪算法研究_第2页
基于PCNN神经网络的图像去噪算法研究_第3页
基于PCNN神经网络的图像去噪算法研究_第4页
资源描述:

《基于PCNN神经网络的图像去噪算法研究》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、第25卷第8期计算机仿真2008年8月文章编号:1006-9348(2008)08-0234-04基于PCNN神经网络的图像去噪算法研究邹文洁(南华大学机械工程学院,湖南衡阳421001)摘要:图像噪声的去除一直是图像处理领域的难点,以往介绍的去噪方法主要用于去除二值图像的噪声,不能用于灰度图像的去噪,而且在去噪的同时会引起图像的模糊,为了解决问题,根据PCNN的工作原理和噪声的特点提出了一种改进的基于PCNN的去噪方法。计算机仿真实验结果表明该方法能在有效去除椒盐噪声的同时,很好地保留了图像的细节,防止了图像的模糊,

2、对图像的恢复、图像的识别是十分有益的,但对于严重的高斯噪声,去除效果还不是很理想,该算法有待改进。关键词:脉冲耦合神经网络;椒盐噪声;图像去噪中图分类号:TP39119文献标识码:AAnImageDe-noisingAlgorithmBasedonPCNNZOUWen-jie(SchoolofMechanicalEngineering,UniversityofSouthernChina,HengyangHunan421001,China)ABSTRACT:Theremovalofimagenoiseisalwaysad

3、ifficultprobleminthefieldofimageprocessing.Conventionalmethods,whichmaymaketheimageblurred,aremainlyusedfordenoisingofbinaryimage,cannotbeappliedforgrayimage.Forsolvingthisproblem,thepaperproposesanimprovedmethodbasedonPCNN,accordingtotheoper2atingtheoryofPCNNan

4、dthecharactersofnoise.Thecomputersimulationexperimentresultprovesthatthemethodisperfectforimagewithnoiseofsaltandpepperandhasagoodabilityinkeepingthedetailsofimage.Thisisverybenficialtoimagerestorationandimagerecognition.However,themethodisnotperfectforimagewith

5、seriousgaussnoiseandsoitistobeimproved.KEYWORDS:Pulsecoupledneuralnetwork;Saltandpeppernoise;Imagede-noising的去噪方法。实验结果表明,该方法能在保留图像细节的同1引言时,获得较好的去噪效果,特别是当图像受椒盐噪声污染严图像噪声去除是否有效将直接影响后续图像处理的质重时去噪效果比中值滤波更加明显。量,特别是针对由于运动等因素引起的模糊图像的恢复而言,去噪显得更加重要。传统的中值滤波及其变种方法尽管2PCNN的基本模

6、型能比较好地滤除椒盐噪声,但对图像的细节保留不够理想,德国科学家Eckhorn根据猫的大脑视觉皮层上的同步脉[1]易造成图像的模糊。冲发放现象,提出有连接域的网络模型,J.L.Johnson等脉冲耦合神经网络(PulseCoupledNeuralNetwork,简记人对Eckhorn提出的模型进行一些修改,就得到了PC2[2,8]为PCNN)作为第三代人工神经网络,它是依据猫、猴等哺乳NN。一个PCNN由三部分组成:接受部分,调制部分,脉[1~2][8]动物的大脑视觉皮层上的同步脉冲发放现象提出的,目冲发生器,其模型见

7、图1。该模型是真实神经元的简化与[3~6]前PCNN已经广泛地运用于图像处理的各个领域,如图近似,影响真实神经元活动的一些因素如细胞的年龄,温度像去噪,图像分割,图像边缘检测,图像识别等。但目前发表的影响等均未考虑。的介绍使用PCNN法进行图像去噪的文献[6]中所提出的该简化模型的数学形式可用以下四个方程来描述方法主要用于去除二值图像的噪声,不能用于灰度图像的去(k)=e-αθΔt(k-1)+S(k-1)FijFijij+VF∑MijklYkl噪,针对这一问题,在它的基础上进行了改进,提出了一种新(1)Uij(k)=F

8、ij(k)(1+βLij(k))(2)收稿日期:2007-05-31修回日期:2007-08-16-αθΔtθij(k)=eθij(k-1)+VθYij(k-1)(3)—234—时,那么由于集团中每个神经元都收到集团内其他神经元送来的链接信号,这时就会产生密集的同步脉冲串发放,这里就不再详述。由上面的分析可知,PCNN神经元的点火

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。