PCNN在圖像處理中的應(yīng)用研究.pdf

1、脈沖耦合神經(jīng)網(wǎng)絡(luò)(PCNN: Pulse CoupledNeural Network)是一種新型的神經(jīng)網(wǎng)絡(luò)。本文對一種簡化的脈沖耦合神經(jīng)網(wǎng)絡(luò)進(jìn)行改進(jìn)，將其應(yīng)用于圖像處理當(dāng)中，主要從圖像去噪和圖像分割兩個方面,對煤礦井下圖像進(jìn)行處理。
　　針對傳統(tǒng)圖像去噪方法存在的去燥的同時使得圖像模糊和邊緣信息丟失等問題，根據(jù)煤礦井下視頻圖像光度不均、噪聲較大的特點，提出采用基于改進(jìn)的簡化脈沖耦合神經(jīng)網(wǎng)絡(luò)對煤礦井下圖像進(jìn)行椒鹽去噪處理。對簡化的脈

2、沖耦合神經(jīng)網(wǎng)絡(luò)模型中神經(jīng)元連接強度的選取方法進(jìn)行改進(jìn)，使依賴于噪聲圖像像素灰度值，從而更加有效地去除椒鹽噪聲；然后對動態(tài)門限的衰減時間常數(shù)vE選取方法進(jìn)行改進(jìn)，使vE依賴閾值輸出的放大系數(shù)vE，減少整個模型的參數(shù)，并通過實驗選取vE值。實驗結(jié)果表明，與傳統(tǒng)的中值濾波、均值濾波方法相比，基于改進(jìn)的簡化脈沖耦合神經(jīng)網(wǎng)絡(luò)的去噪方法不僅有效地去除了礦井圖像的椒鹽噪聲，而且很好地保持了圖像的邊緣等細(xì)節(jié)特征。
　　利用改進(jìn)的簡化脈沖耦合神經(jīng)網(wǎng)