一种新的基于PCNN的自适应强去噪方法

被引：10

作者：

刘远民

秦世引

机构：

[1] 北京航空航天大学自动化科学与电气工程学院

来源：

北京航空航天大学学报 | 2009年 / 01期

关键词：

图像去噪; 噪声检测; 脉冲耦合神经网络(PCNN); 自适应滤波;

D O I：

10.13700/j.bh.1001-5965.2009.01.020

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

为了实现椒盐噪声的有效去除和图像细节及纹理的有效保留,提出了一种新的基于PCNN(Pulse Coupled Neural Network)的自适应滤波方法ADEN(Adapative Denosingmethod for Extreme Noise)-PCNN.该方法引入了像素受污染状态的甄别机制,只对被污染的像素进行降噪处理,保证了去噪的同时不损坏图像信息,实现了图像的细节和纹理的有效保留;为了确保图像质量,在面向图像降噪的PCNN神经网络阵列结构中引入了自组织机制,可以自动地估计噪声的强度信息并进行PCNN网络中神经元连接方式的自组织转换,此外引入了自适应机制,根据噪声强度的估计信息,自动进行滤波次数的优选,增强自适应能力.实验结果表明所提方法较常规方法和其他同类方法在去噪效果、保留图像细节方面展现出明显的优势.

引用

页码：108 / 112

页数：5

共 6 条

[1] 基于PCNN的图像融合新方法 [J].

余瑞星 ;

朱冰 ;

张科 .

光电工程, 2008, (01) :126-130

[2] 基于脉冲耦合神经网络的椒盐噪声图像滤波 [J].

张军英 ;

卢志军 ;

石林 ;

董继扬 ;

石美红 .

中国科学E辑:信息科学, 2004, (08) :882-894

[3] 一种基于PCNN的图像去噪新方法 [J].

顾晓东 ;

郭仕德 ;

余道衡 .

电子与信息学报, 2002, (10) :1304-1309

[4]

人工神经网络与盲信号处理[M]. 清华大学出版社 , 杨行峻, 2003

[5]

Feature Linking via Synchronization among Distributed Assemblies: Simulations of Results from Cat Visual Cortex[J] . R. Eckhorn,H. J. Reitboeck,M. Arndt,P. Dicke.Neural Computation . 1990 (3)

[6]

Observation of periodic waves in a Pulse-coupled neural network .2 John J L,Ritter D. Opt. Lett . 1993

← 1 →