《一种基于脉冲耦合神经网络的去除脉冲噪声算法.》.pdfVIP

长江大学学报 (自科版) 2014年2月号理工上旬刊 第l1卷第4期 JournalofYangtzeUniversity(NatSciEdit) Feb．2014，Vo1．11No．4 一 种基于脉冲耦合神经网络的 去除脉冲噪声算法 周武能 ，张详位 ，方嘉仪 (东华大学信息科学与技术学院，上海2o1620) [摘要]针对脉冲噪声 图像 ，传统的滤波算法容易造成图像模糊或者 图像细节丢失等 问题 。在深入分析脉 冲噪声的特点及脉冲耦合神经网络 (PCNN) 的内在机理的基础上 ，提 出了一种基于 PCNN和边缘信息 的脉冲噪声滤波算法。通过 PCNN找到 图像 的疑似噪声点，然后通过对像素的位置信息分析，采用不 同 的模板对 图像进行 中值滤波 ，得到脉冲噪声滤波的具体算法。试验结果表 明，该方法不但能有效地去 除 图像 中的脉冲噪声 ，而且能很好地保护图像细节信息。 [关键词]脉冲耦合神经网络 (PCNN)；脉冲噪声；边缘信息；中值滤波 [中图分类号]TE391．4l [文献标志码]A [文章编号]1673—1409 (2014)04—0034—05 脉冲噪声是图像中常见的一种加性噪声 ，而去噪又是图像处理的基础 ，去噪的好坏直接影响到后续 图像处理的分割与识别的质量 。如何有效地去除脉冲噪声 ，目前 已经有很多滤波去噪方法 。其方法大致 分为线性滤波和非线性滤波等 2种 。而均值滤波和中值滤波[2是这 2种方法中比较经典 的算法 ，其效 果较好 。然而 ，中值滤波会破坏或者丢失图像 中的一些细节信息，均值滤波也会使 图像的边缘模糊 ，冈 此 ，如何有效地去除噪声 ，同时能更多地保护图像的细节是非常实际和重要的问题。 脉冲耦合神经网络 (PCNN)_l3圳是基于动物的大脑皮层同步脉冲现象而提出的。与传统的人T神经 网络相比，PCNN在图像处理中有很强的优势 ，其特点在于根据每个像素点火时刻的不同，产生整幅 图像的赋时矩阵；利用赋时矩阵的信息，找到噪声点的位置，对噪声点处进行滤波操作。利用 PCNN 这一特点 ，找到图像 噪声点后 ，对噪声点位置进行分析 ，对噪声点进行分类 ，以对不同种类的噪声点采 用不同的滤波策略。然而 ，PCNN法保留图像 的细节与边缘信息等方面还可以进一步改进 。为此 ，笔 者提出了一种改进的PCNN结合边缘信息的滤波算法 ，并用该算法对 Lena与 Canmaner典型图像进行 了处理。试验结果表明，笔者提出的算法去噪效果 良好 ，对 图像的细节有很好 的保护作用 ，性能要优于 经典的中值滤波 、均值滤波以及 自适应中值滤波 等算法。 1 PCNN模型基本原理 PCNN模型最初 是 由Eckhorn提 出的，从 图像 处理 的角度来看 ，原始模型在实现上有很大的困难 ，如神经元 相互之间存在大量的反馈连接 ，漏 电积分器 的参数难 以设 定等。为此 ，很 多文献对 Eckhorn的模 型作 了种种 改 进 [7]。文献 Elo]提 出的模型简洁直观 ，一个神经元 由 3个功能单元 ，输入域 、连接输入域和脉冲发生器构成 输入域 耦合连接域 脉冲发生器 (如图 1所示)。其中F是外部激励信号 ，y是 网络 的输出 图 1 脉冲耦合神经 网络模型 信号 ，为内部活动项 的连接系数 。网络迭代过程 中，第 ”一 1次的网络的输出信号Y(n一1)经过耦合连接域矩阵加权 [收稿 日期]2013—10—2o [基金项目]国家自然科学基金项 目 ；上海市教育委员会科研创新重点项目 (12zz064)。 [作者简介]周武能 (1959一)，男，博士，教授 ，博士生导师 ，现主要从事神经网络、图像处理、工业过程控制等方面的教学与研究 工作。 第 11卷 第 4期 周武能 等：一种基于脉冲耦合神经网络的去除脉 中噪声算法 ·35 · 后得到的信号L作为网络第 次连接域信号L()。内部活动项 己，由输入域与连接域的输 出按照非线性方 式共同组成，连接域的大小由连接系数 决定。E为脉冲