資源描述：
《混合噪聲濾除論文：基于改進(jìn)型PCNN的圖像混合噪聲濾除方法》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫。
1、混合噪聲濾除論文：基于改進(jìn)型PCNN的圖像混合噪聲濾除方法【中文摘要】圖像在形成和傳輸?shù)倪^程中不可避免的會受到噪聲的污染,從而對圖像的視覺效果和后續(xù)處理帶來不利的影響,甚至直接影響到后續(xù)處理的效果。在實(shí)際的應(yīng)用中,圖像往往不止受到一種噪聲的影響,而是受到多種噪聲構(gòu)成的混合噪聲的影響,所以對圖像混合噪聲進(jìn)行濾波處理具有十分重要的意義。脈沖耦合神經(jīng)網(wǎng)絡(luò)(PulseCoupledNeuralNetwork,PCNN)是近年來提出的通過模擬動物大腦皮層視神經(jīng)元同步發(fā)放脈沖現(xiàn)象而建立的一種新型神經(jīng)網(wǎng)絡(luò)模型。由于其特有的生物學(xué)背景及特性,已成功的被應(yīng)用于圖像濾波、圖像分割、特征提取、目標(biāo)識別等領(lǐng)域。由于P
2、CNN應(yīng)用于圖像處理時(shí)有模型簡單,容易用集成電路實(shí)現(xiàn),使的圖像的實(shí)時(shí)處理成為可能。因此,基于PCNN的混合噪聲濾除方法的研究是一個非常有意義的研究課題。本文首先對脈沖耦合神經(jīng)網(wǎng)絡(luò)模型的基本理論和運(yùn)行機(jī)制進(jìn)行了詳細(xì)的闡述,并分析和總結(jié)了它的結(jié)構(gòu)特點(diǎn)和特性。在借鑒已有的理論成果和思想的基礎(chǔ)上,將PCNN模型進(jìn)行了適當(dāng)?shù)暮喕透倪M(jìn),并對改進(jìn)模型的運(yùn)行機(jī)制和參數(shù)設(shè)置進(jìn)行了詳細(xì)的分析。其次,對由脈沖噪聲和高斯噪聲構(gòu)成的混合噪聲的特點(diǎn)進(jìn)行分析,將改進(jìn)PCNN模型與中值濾波結(jié)合應(yīng)用到灰度圖像的混合噪聲濾波中。并在改進(jìn)的PCNN模型的基礎(chǔ)上,提出了一種模型網(wǎng)絡(luò)參數(shù)自適應(yīng)生成機(jī)制,解決了需要通過人工調(diào)制模型網(wǎng)絡(luò)
3、參數(shù)才能達(dá)到最優(yōu)濾波效果的問題。通過仿真實(shí)驗(yàn)對比,自適應(yīng)生成網(wǎng)絡(luò)參數(shù)的濾波效果要優(yōu)于人工調(diào)制網(wǎng)絡(luò)參數(shù)的濾波效果,在具有較好的濾波效果的同時(shí),也很好的保留圖像的細(xì)節(jié)。另外,本文還將改進(jìn)型PCNN濾波算法與中值濾波和模糊規(guī)則濾波算法進(jìn)行對比實(shí)驗(yàn),經(jīng)比較改進(jìn)型PCNN模型濾波算法均優(yōu)于兩種濾波算法,隨著圖像受到的混合噪聲程度的增加,優(yōu)勢越明顯。最后,針對彩色圖像的混合噪聲,提出了一種在RGB色彩空間的基于改進(jìn)PCNN模型的彩色圖像混合噪聲濾波方法,通過大量實(shí)驗(yàn)證明,本文提出的方法能夠很好的濾除彩色圖像混合噪聲?！居⑽恼縄ntheprocessofimageformingandtransmissi
4、on,imageisinevitablypollutedbynoisewhichwillhaveanadverseimpactonimagevisualeffectandsubsequentprocessing,evendirectlyaffectthefollow-upimageprocessingresults.Inactualapplications,imageusuallyispollutedbymixture-noisethatiscomposedofdifferentkindsofnoise,ratherthanakindofnoise.Somixed-noisefiltering
5、ofimageisofgreatsignificance.Pulsecoupledneuralnetwork(PCNN)isanewkindofneuralnetworkmodelproposedrecentlybysimulatingtheopticneuronofanimalcerebralcortex.Becauseofitsuniquebiologicalbackgroundandcharacteristics,hassuccessfullybeenappliedtoimagefiltering,imagesegmentation,featureextraction,objectrec
6、ognitionetc.AsPCNNmodelissimpletoapplytoimageprocessingandeasytouseintegratedcircuitstoimplement,sothatitispossibletoreal-timeimageprocessing.Therefore,theresearchofmethodofmixednoisefilteringbaseonPCNNisaveryinterestingresearchtopic.ThispaperfirstlyelaboratesonthebasictheoryandoperatingmechanismofP
7、CNN,analyzesandsummarizesitsstructurefeaturesandcharacteristics.SimplifiedandmodifiedPCNNmodelappropriatelyonthefoundationofreferringexistenttheoryandideas,itisanalyzedindetailtheoperatingmechanismand
