基于PCNN的圖像濾波研究.pdf

1、圖像在采集、壓縮和傳輸?shù)冗^程中經(jīng)常會(huì)受到干擾而形成圖像噪聲，這嚴(yán)重影響了后續(xù)的圖像分析，例如圖像的分割、識(shí)別、配準(zhǔn)和分類等等。因此，在圖像預(yù)處理過程中圖像濾波顯得尤為重要。能否有效地改善圖像質(zhì)量，能否盡可能少地受到圖像中噪聲的影響而導(dǎo)致結(jié)果的準(zhǔn)確性下降，這些都在很大程度上取決于對(duì)噪聲圖像的濾波等處理方法是否有效、是否符合實(shí)際情況。脈沖耦合神經(jīng)網(wǎng)絡(luò)(PCNN-Pulse-coupled neural networks)是近年來提出的一種新

2、型神經(jīng)網(wǎng)絡(luò)，被稱為第三代神經(jīng)網(wǎng)絡(luò)。它是通過模擬貓的大腦視覺皮層中同步脈沖發(fā)放行為而建立起來的一個(gè)簡(jiǎn)化模型。這個(gè)模型已被廣泛應(yīng)用于數(shù)字圖像處理。本文在深入分析脈沖耦合神經(jīng)網(wǎng)絡(luò)工作機(jī)理的基礎(chǔ)上，著重研究了它在圖像濾波中的應(yīng)用。 在圖像濾波中，人們希望在保留圖像細(xì)節(jié)的同時(shí)盡可能地去除噪聲，但兩者在實(shí)際處理中通常是矛盾的。目前各種濾波算法的研究基本上是圍繞解決這一矛盾而展開的。本文分析了脈沖噪聲、高斯噪聲以及它們的混合噪聲三者的特點(diǎn)，提

3、出了基于PCNN的不同濾波算法，其主要工作包括：(1)分析了用PCNN處理圖像的特性；(2)利用PCNN的點(diǎn)火捕獲和同步脈沖發(fā)放機(jī)制，定位、去除脈沖噪聲；(3)針對(duì)強(qiáng)高斯噪聲的特點(diǎn)，基于鄰域象素灰度值的變化，分別采用改進(jìn)的自適應(yīng)均值濾波方法和改進(jìn)的PCNN方法濾除強(qiáng)噪聲、平滑弱噪聲；(4)針對(duì)脈沖和高斯混合噪聲的特點(diǎn)，提出了基于雙PCNN的濾波算法。經(jīng)過仿真實(shí)驗(yàn)驗(yàn)證，以上圖像濾波算法能夠在有效濾除噪聲的同時(shí)，較好地保留圖像的細(xì)節(jié)信息。