基于簡化型PCNN的圖像混合噪聲濾波的方法.pdf

1、脈沖耦合神經(jīng)網(wǎng)絡(luò)(Pulse Coupled Neural Network，簡稱PCNN)是近年來提出的一種新型網(wǎng)絡(luò)，它有著生物學(xué)背景，不同于傳統(tǒng)人工神經(jīng)網(wǎng)絡(luò)，是對真實神經(jīng)元的簡化和近似。PCNN模型具有鏈接特性和動態(tài)閾值衰減特性使得具有相似輸入的神經(jīng)元同步發(fā)放脈沖，能夠彌補輸入數(shù)據(jù)的空間不連貫性和幅度上的微小變化，較完整的保留了圖像的區(qū)域信息。因而已被成功的應(yīng)用于圖像分割、圖像濾波、目標(biāo)識別、特征提取等方面。 本文首先詳細的闡

2、述了脈沖耦合神經(jīng)網(wǎng)絡(luò)模型的基本理論和運行原理，分析了它的結(jié)構(gòu)特點和基本特性。并在借鑒前人的理論成果和思想的基礎(chǔ)上對PCNN模型進行了適當(dāng)?shù)暮喕汉喕嗽Ｐ偷慕Y(jié)構(gòu)，減少了模型的參數(shù)，同時保留了原模型的幾個重要特性。 其次本文分析了由脈沖噪聲和高斯噪聲構(gòu)成的混合噪聲的特點，將簡化型PCNN模型應(yīng)用到了圖像的混合噪聲的濾波中。利用了模型的幾個技術(shù)特性，適當(dāng)?shù)倪x取參數(shù)，在濾除噪聲的同時保留了圖像的細節(jié)信息。 另外，本文還通過進