基于PCNN和模糊理論的圖像增強技術(shù)研究.pdf

1、圖像增強技術(shù)是圖像處理技術(shù)的重要組成部分，其目的是對圖像進行加工，以得到對具體應用來說視覺效果更“好”、更“有用”的圖像，為后續(xù)的圖像分析、理解和識別奠定基礎(chǔ)。傳統(tǒng)的圖像增強技術(shù)只是簡單地改變整個圖像的對比度或抑制噪聲，在抑制噪聲的同時也削弱了圖像的細節(jié)部分，需要用戶的干預較多，不能自動完成圖像增強等。 針對傳統(tǒng)圖像增強算法的缺陷及一些特定場景圖像增強的需求，本文提出一種基于改進的脈沖耦合神經(jīng)網(wǎng)絡(luò)和改進的遺傳算法的圖像模糊增強方

2、法。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)，它建立在模仿生物視覺皮層神經(jīng)元活動的Eckhorn模型的基礎(chǔ)上，并由Johnson和其他研究者做了進一步工作，而最終演化為一種單層迭代神經(jīng)網(wǎng)絡(luò)模型，更符合生物的自然視覺特性，在圖像處理的各個方面都獲得了廣泛應用。 本文工作主要包括三方面：(1)在深入分析脈沖耦合神經(jīng)網(wǎng)絡(luò)工作機理的基礎(chǔ)上對其模型進行改進，充分利

3、用其重要特性：相互連接的神經(jīng)元之間存在著能量傳播，這種能量傳播使得神經(jīng)元能夠以相似集群產(chǎn)生同步脈沖發(fā)放現(xiàn)象，著重研究它在圖像平滑去噪中的應用；(2)由于圖像需要增強的邊緣總存在一定的不確定性，即模糊性，因此把模糊理論應用于圖像增強會優(yōu)于傳統(tǒng)的增強算法，更符合實際情況，能取得更好的增強效果。本文針對已有算法的缺點，如閾值隨機選取、抗噪能力不強等，提出兩種改進的基于模糊理論的單層次和多層次圖像增強算法；(3)由于在圖像模糊增強過程中采用了先