基于PCNN的降噪方法及其應(yīng)用研究.pdf

1、脈沖耦合神經(jīng)網(wǎng)絡(luò)(PCNN)是近年來隨著生物神經(jīng)學(xué)的研究與發(fā)展，新興的一種新型人工神經(jīng)網(wǎng)絡(luò)模型。它具有生物學(xué)背景、雙通道機(jī)制、發(fā)放脈沖、閾值可變、內(nèi)部行為相乘耦合等鮮明的特色，是一種優(yōu)秀的圖像處理工具，目前已被廣泛應(yīng)用于圖像降噪、圖像分割、圖像融合等圖像處理的各個領(lǐng)域，特別是圖像降噪方面。盡管PCNN模型有著優(yōu)良的性能，但也存在著一些缺陷，因此本論文展開了對PCNN理論的深入研究，改進(jìn)了PCNN模型的一些不足之處。主要創(chuàng)新工作如下：

2、r>　　1. PCNN突觸鏈接強度取值固定不能反映不同神經(jīng)元之間相互影響程度，針對該問題，提出了自適應(yīng)突觸鏈接強度PCNN圖像濾波方法。該方法根據(jù)不同神經(jīng)元與其鄰域神經(jīng)元相似程度的不同使突觸鏈接強度自適應(yīng)取值，同時添加記錄神經(jīng)元點火次數(shù)的時間序列矩陣，以便根據(jù)神經(jīng)元點火次數(shù)準(zhǔn)確地辨識噪聲點，避免了對噪聲點的誤判。將該方法用于圖像降噪，實現(xiàn)了有效地濾除圖像噪聲，很好地保護(hù)了圖像的邊緣和細(xì)節(jié)。
　　2.針對PCNN模型閾值函數(shù)按單一指

3、數(shù)形式衰減，算法運行速度較慢的缺陷，提出了自適應(yīng)閾值PCNN模型。在改進(jìn)突觸鏈接強度為自適應(yīng)取值的基礎(chǔ)上，結(jié)合神經(jīng)元點火頻次矩陣，并將未點火神經(jīng)元閾值改進(jìn)為線性衰減，而點火神經(jīng)元閾值仍按指數(shù)形式衰減，實現(xiàn)了衰減速度的自適應(yīng)調(diào)節(jié)。用該方法對數(shù)據(jù)進(jìn)行降噪，保持了原有數(shù)據(jù)特征，縮短了算法運行時間，實現(xiàn)了對噪聲數(shù)據(jù)快速有效濾除。
　　3.將改進(jìn)PCNN模型應(yīng)用到煤制甲醇數(shù)據(jù)及帶鋼熱鍍鋅數(shù)據(jù)降噪中，分別用降噪前與降噪后的數(shù)據(jù)對BP神經(jīng)網(wǎng)絡(luò)進(jìn)