PCNN在图像处理中的应用研究.pdfVIP

万方数据 论文题目：PCNN 在图像处理中的应用研究 专 业：应用数学 研 究 生：胡俊梅 （签名） 指导老师：曹根牛 （签名） 冯卫兵 （签名） 摘要 脉冲耦合神经网络(PCNN: Pulse Coupled Neural Network)是一种新型的神经网 络。本文对一种简化的脉冲耦合神经网络进行改进，将其应用于图像处理当中，主要从 图像去噪和图像分割两个方面,对煤矿井下图像进行处理。 针对传统图像去噪方法存在的去燥的同时使得图像模糊和边缘信息丢失等问题，根 据煤矿井下视频图像光度不均、噪声较大的特点，提出采用基于改进的简化脉冲耦合神 经网络对煤矿井下图像进行椒盐去噪处理。对简化的脉冲耦合神经网络模型中神经元连   接强度 的选取方法进行改进，使 依赖于噪声图像像素灰度值，从而更加有效地去除 椒盐噪声；然后对动态门限的衰减时间常数 选取方法进行改进，使 依赖阈值输出   E E 的放大系数 ，减少整个模型的参数，并通过实验选取 值。实验结果表明，与传统的 v v E E 中值滤波、均值滤波方法相比，基于改进的简化脉冲耦合神经网络的去噪方法不仅有效 地去除了矿井图像的椒盐噪声，而且很好地保持了图像的边缘等细节特征。 利用改进的简化脉冲耦合神经网络与最小交叉熵结合对煤矿井下图像进行图像分 E 割。该方法对简化的脉冲耦合神经网络的阈值衰减函数 进行改进，使得阈值衰减函 ij E 数 只依赖于 的选取，其他的参数则与图像去噪中的参数选取方法相同，都是针对 v ij E 煤矿井下图像的特点进行选取。计算机仿实验表明，利用改进的简化脉冲耦合神经网络 与最小交叉熵结合对煤矿井下图像进行图像分割，能够较好地分割出边缘的细节，比传 统的阈值分割方法要好。 关 键 词：矿井图像 脉冲耦合神经网络 椒盐去噪 图像分割 中值滤波 研究类型：应用研究 万方数据 万方数据 Subject: An Applied Research of Pulse Coupled Neural Network for Image Processing Specialty: Applied Mathematics Candidate : Hu Junmei (Signature) Supervisor: Cao Genniu (Signature) Feng Weibing (Signature) ABSTRACT Pulse coupled Neural Network (PCNN) is a new typ