基于简化型PCNN的图像混合噪声滤波的方法

论文摘要

脉冲耦合神经网络(Pulse Coupled Neural Network,简称PCNN)是近年来提出的一种新型网络,它有着生物学背景,不同于传统人工神经网络,是对真实神经元的简化和近似。PCNN模型具有链接特性和动态阈值衰减特性使得具有相似输入的神经元同步发放脉冲,能够弥补输入数据的空间不连贯性和幅度上的微小变化,较完整的保留了图像的区域信息。因而已被成功的应用于图像分割、图像滤波、目标识别、特征提取等方面。本文首先详细的阐述了脉冲耦合神经网络模型的基本理论和运行原理,分析了它的结构特点和基本特性。并在借鉴前人的理论成果和思想的基础上对PCNN模型进行了适当的简化:简化了原模型的结构,减少了模型的参数,同时保留了原模型的几个重要特性。其次本文分析了由脉冲噪声和高斯噪声构成的混合噪声的特点,将简化型PCNN模型应用到了图像的混合噪声的滤波中。利用了模型的几个技术特性,适当的选取参数,在滤除噪声的同时保留了图像的细节信息。另外,本文还通过进行计算机仿真实验证实,应用简化型PCNN滤波算法对滤除灰度图像所受混合噪声的效果较好。并且介绍了两种传统的滤除噪声的算法,经比较证明简化型PCNN滤波算法优于传统的滤波算法,随着图像受混合噪声污染程度的增大,优势更加明显。针对彩色图像进行相应的彩色空间变化后,建立了一个HSV彩色空间上的基于简化型PCNN模型的彩色图像混合噪声的滤波算法,通过大量的实验证明简化型PCNN滤波算法同样也可以很好滤除彩色图像混合噪声。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 脉冲耦合神经网络的概述
• 1.2 脉冲耦合神经网络的研究现状
• 1.3 选题的意义
• 1.4 课题的主要研究内容
• 第2章 脉冲耦合神经网络的基本理论
• 2.1 生物视神经模型
• 2.2 脉冲耦合神经元模型
• 2.2.1 接受部分
• 2.2.2 调制部分
• 2.2.3 脉冲产生部分
• 2.2.4 与传统神经元的比较
• 2.3 PCNN的运行机制分析
• 2.4 PCNN的特性分析
• 2.5 PCNN的优势分析
• 2.6 本章小结
• 第3章 脉冲耦合神经网络的简化模型
• 3.1 简化模型的基本结构
• 3.2 简化模型的行为分析
• 3.2.1 单个神经元的行为分析
• 3.2.2 两个神经元的行为分析
• 3.2.3 多个神经元的行为分析
• 3.3 简化模型的图像处理原理分析
• 3.4 简化模型在图像去噪中的参数选取
• 3.4.1 神经元的外部刺激
• 3.4.2 连接强度参数β的选取
• θ选取'>3.4.3 动态阈值幅度系数V_θ选取
• 3.5 本章小结
• 第4章 简化型PCNN对灰度图像混合噪声的滤波
• 4.1 混合噪声的构成及特点分析
• 4.1.1 脉冲噪声的特点
• 4.1.2 高斯噪声的特点
• 4.1.3 混合噪声的特点
• 4.2 传统图像滤波算法
• 4.3 简化型PCNN在混合噪声滤波中的应用
• 4.4 仿真实验及评价
• 4.4.1 简化型PCNN对混合噪声去噪的实验及评价
• 4.4.2 几种滤波算法的比较
• 4.5 本章小结
• 第5章 简化型PCNN对彩色图像混合噪声的滤波
• 5.1 引言
• 5.2 彩色空间模型
• 5.2.1 RGB空间模型
• 5.2.2 CMYK空间模型
• 5.2.3 HSI空间模型
• 5.2.4 HSV空间模型
• 5.3 基于简化型PCNN的彩色图像混合噪声的滤波算法
• 5.4 基于简化型PCNN的彩色图像混合噪声的滤波实验
• 5.5 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的论文
• 致谢