亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于簡(jiǎn)化PCNN的脈沖噪聲濾波

        2015-04-02 12:41:12郭旭展姚建峰
        軟件導(dǎo)刊 2015年2期

        郭旭展+姚建峰

        摘要:基于脈沖耦合神經(jīng)網(wǎng)絡(luò), 提出了一種有效的脈沖噪聲圖像濾波算法。利用 PCNN相似群神經(jīng)元同步發(fā)放脈沖的特性檢測(cè)噪聲點(diǎn),并利用中值濾波對(duì)噪聲點(diǎn)進(jìn)行濾波。仿真表明,該方法對(duì)不同強(qiáng)度的噪聲圖像均體現(xiàn)了較好的濾波性能,在去噪效果和運(yùn)行效率上同其它方法相比具有明顯優(yōu)勢(shì)。

        關(guān)鍵詞關(guān)鍵詞:脈沖耦合神經(jīng)網(wǎng)絡(luò);脈沖噪聲;同步脈沖

        DOIDOI:10.11907/rjdk.143807

        中圖分類號(hào):TP317.4

        文獻(xiàn)標(biāo)識(shí)碼:A文章編號(hào)文章編號(hào):16727800(2015)002014302

        0引言

        數(shù)字圖像在生成和傳輸過(guò)程中有可能會(huì)受到多種噪聲污染,其中典型的噪聲是脈沖噪聲。脈沖噪聲主要表現(xiàn)為極端的點(diǎn)狀污染,噪聲點(diǎn)與周邊像素的灰度值區(qū)別很大,對(duì)圖像的特征破壞也很大。常用的降噪方法包括中值濾波[1]和均值濾波。但這兩種處理方法不區(qū)分噪聲點(diǎn),只是對(duì)所有像素進(jìn)行同樣的操作,整體圖像都被平滑化,因此圖像的細(xì)節(jié)破壞很大。如何利用噪聲與周圍像素的灰度區(qū)別進(jìn)行準(zhǔn)確識(shí)別,有目的地進(jìn)行降噪,保護(hù)圖像細(xì)節(jié),提高圖像識(shí)別效果,一直是圖像處理的研究熱點(diǎn)[2]。

        經(jīng)過(guò)長(zhǎng)期研究,圖像處理技術(shù)日趨成熟,傳統(tǒng)處理方法難以進(jìn)一步提高處理效果,而模擬人的認(rèn)知過(guò)程是一種新的發(fā)展方向,神經(jīng)網(wǎng)絡(luò)就是其中的代表。長(zhǎng)期以來(lái),經(jīng)典的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),如BP神經(jīng)網(wǎng)絡(luò)、RBF神經(jīng)網(wǎng)絡(luò)等,在這一過(guò)程中得到廣泛應(yīng)用,但其處理信息是依賴于閾值和連接權(quán)值,這與人的認(rèn)知方式截然不同,效果并不理想。脈沖耦合神經(jīng)網(wǎng)絡(luò)(PCNN)是1990年Eckhorn提出的一種基于貓的視覺(jué)原理構(gòu)建的簡(jiǎn)化神經(jīng)網(wǎng)絡(luò)模型,與其它神經(jīng)網(wǎng)絡(luò)相比,PCNN能從復(fù)雜背景下提取有效信息,不需要提前學(xué)習(xí)或者訓(xùn)練,同時(shí)具有同步脈沖發(fā)放和全局耦合等特性,其信號(hào)形式和處理機(jī)制更符合人類視覺(jué)神經(jīng)系統(tǒng)的生理學(xué)基礎(chǔ)[3]。

        1算法思想

        1.1PCNN模型

        脈沖耦合神經(jīng)網(wǎng)絡(luò)通過(guò)對(duì)貓、猴等哺乳動(dòng)物視覺(jué)神經(jīng)細(xì)胞的模擬,利用單個(gè)神經(jīng)元線性相加,激勵(lì)可以傳播的、其周圍的神經(jīng)元,經(jīng)過(guò)與閾值的比較以確定是否產(chǎn)生點(diǎn)火,一旦條件成立,可以形成神經(jīng)元集群同步振蕩脈沖。同時(shí)由于PCNN模型在進(jìn)行圖像處理時(shí)與圖像的像素一一對(duì)應(yīng),圖像中相似的區(qū)域更容易產(chǎn)生集群點(diǎn)火,因而PCNN在處理過(guò)程中無(wú)需考慮神經(jīng)元的數(shù)量,對(duì)二維圖像的處理非常方便。圖像通過(guò)PCNN處理時(shí),空間相似、灰度相似的像素被分組,有利于識(shí)別被污染的像素位置,利于下一步處理。

        通常的PCNN 模型可以用數(shù)學(xué)方程表達(dá)如下[4]:

        Fij(n)=e-αFFij(n-1)+Sij+VF∑k,lMijklYkl(n-1)(1)

        Lij(n)=e-αLLij(n-1)+VL∑k,lMijklYkl(n-1)(2)

        Uij(n)=Fij(n)(1+βLij(n))(3)

        θij(n)=e-αθθij(n-1)+VθYij(n-1)(4)

        Yij(n)=step(Uij(n)-θij(n))(5)

        其中:Fij(n)是神經(jīng)元的輸入;Lij(n)是窗口神經(jīng)元的連接輸入;Uij(n)是神經(jīng)元的內(nèi)部活動(dòng)項(xiàng);θij(n)是神經(jīng)元的動(dòng)態(tài)閾值;Yij(n)是神經(jīng)元的對(duì)外脈沖;VF是反饋域的放大系數(shù);αF是反饋域的衰減時(shí)間常數(shù);Sij是神經(jīng)元受到的外部激勵(lì),可以反映圖像中對(duì)應(yīng)位置的灰度;VL和αL是耦合連接域的放大系數(shù)和誤差時(shí)間常數(shù);β為內(nèi)部活動(dòng)項(xiàng)連接系數(shù);θij是動(dòng)態(tài)閾值,Vθ和αθ是其放大系數(shù)和衰減時(shí)間常數(shù);Uij是內(nèi)部活動(dòng)信號(hào)。PCNN在上述各式中的參數(shù)表明,PCNN在處理過(guò)程中,具有可變閾值、非線性調(diào)制、同步脈沖激發(fā)、鄰接捕獲、等特性,可用于多個(gè)方面。但傳統(tǒng)模型在實(shí)際使用時(shí),需要合理設(shè)定各種門限參數(shù)、衰減參數(shù)、運(yùn)行次數(shù)才能得到滿意結(jié)果。這種人工干預(yù)降低了模型的實(shí)用性,同時(shí)模型使用了指數(shù)衰減常數(shù),這嚴(yán)重降低了系統(tǒng)的運(yùn)行速度,因此必須將模型進(jìn)行簡(jiǎn)化。通過(guò)分析,PCNN在此處理過(guò)程中,主要是識(shí)別噪聲污染,F(xiàn)ij僅需獲取對(duì)應(yīng)像素的灰度值,Lij也可僅通過(guò)處理窗口的情況確定,θij的放大系數(shù)與誤差時(shí)間常數(shù)直接參與工作。因此,可以將其進(jìn)一步簡(jiǎn)化為式(6)-式(10)。

        Fij(n)=Sij(6)

        Lij(n)=VL∑k,lMijklYkl(n-1)(7)

        Uij(n)=Fij(n)(1+βLij(n))(8)

        θij(n)=αθθij(n-1)+VθYij(n-1)(9)

        Yij(n)=1,0, ifUij(n)>θij(n)otherwise(10)

        在簡(jiǎn)化后,消除了指數(shù)衰減常數(shù),同時(shí)保留了神經(jīng)網(wǎng)絡(luò)的放大系數(shù)、誤差時(shí)間常數(shù)、活動(dòng)連接系數(shù)等參數(shù),保留了PCNN的基本特性使其能夠捕獲相關(guān)激勵(lì)信號(hào),并提高了運(yùn)行效率。在用PCNN進(jìn)行降噪處理時(shí),由于PCNN的神經(jīng)元分別與圖像的像素點(diǎn)一一對(duì)應(yīng),則PCNN獲得對(duì)應(yīng)像素點(diǎn)的灰度值,并成為神經(jīng)元的對(duì)應(yīng)外部激勵(lì)Sij,當(dāng)滿足參數(shù)條件時(shí),此神經(jīng)元自然點(diǎn)火,產(chǎn)生脈沖并激勵(lì)周圍神經(jīng)元。同時(shí),此神經(jīng)元的閾值θij會(huì)根據(jù)上述公式首先急劇增大,然后隨著時(shí)間衰減。在此過(guò)程中,自然點(diǎn)火的神經(jīng)元會(huì)對(duì)鄰接神經(jīng)元進(jìn)行激勵(lì),誘導(dǎo)鄰接神經(jīng)元點(diǎn)火。但只有與自然點(diǎn)火神經(jīng)元的對(duì)應(yīng)像素具有相似強(qiáng)度的神經(jīng)元才會(huì)被捕獲產(chǎn)生點(diǎn)火,反之則不會(huì)被捕獲。則根據(jù)神經(jīng)元點(diǎn)火時(shí)間的不同,圖像像素形成若干個(gè)不同的集群,從而區(qū)分出自然圖像中灰度不同的區(qū)域。在激勵(lì)過(guò)程中,不同的像素集群的閾值衰減周期不同,其集群的對(duì)外脈沖周期也不同,這樣圖像的點(diǎn)火集群類似于波進(jìn)行傳播,通過(guò)這種傳播可以區(qū)分出圖像中與此集群類似的其它集群。通過(guò)這種方式,PCNN能夠自發(fā)識(shí)別出圖像的噪聲點(diǎn),這種識(shí)別是通過(guò)像素的自然屬性——灰度完成的,而非通過(guò)預(yù)處理或訓(xùn)練完成。這對(duì)于處理不同類型的圖像非常有幫助,尤其是處理實(shí)時(shí)圖像。

        1.2噪聲濾波算法

        根據(jù)PCNN的工作原理,相似的神經(jīng)元可同步發(fā)出脈沖,同時(shí),由于噪聲像素與周邊像素的灰度區(qū)別,污染像素與周邊像素將異步發(fā)出脈沖。通過(guò)在3×3的窗口中設(shè)定閾值N=6,如果像素點(diǎn)(i,j)點(diǎn)火且周邊點(diǎn)火像素?cái)?shù)量小于N,則此像素是被污染的,確定了像素點(diǎn)位置就可以用MF算法進(jìn)行濾波。

        2實(shí)驗(yàn)測(cè)試與分析

        為了測(cè)試改進(jìn)PCNN算法的有效性,采用Matlab 編程進(jìn)行了計(jì)算機(jī)仿真實(shí)驗(yàn),測(cè)試采用256×256的8位灰度Lena圖。通過(guò)對(duì)比測(cè)試噪聲強(qiáng)度分別為10%、20%、40%的污染圖像(見(jiàn)圖1),分別采用中值濾波、均值濾波和PCNN濾波(見(jiàn)圖2-圖4)。PCNN的連接權(quán)重Mijkl由3×3窗口確定,其值Mijkl=0.70710.7071010.70710.707

        算法步驟如下:①根據(jù)上述內(nèi)容,初始化PCNN參數(shù);②在每個(gè)神經(jīng)元的3×3窗口,采用式(6)、式(7)計(jì)算F、L,式(9)計(jì)算閾值;③根據(jù)式(8)計(jì)算神經(jīng)元內(nèi)部信號(hào)U;④根據(jù)式(10)是確定是否點(diǎn)火;④根據(jù)PCNN識(shí)別結(jié)果進(jìn)行中值濾波;⑤輸出圖像處理結(jié)果。

        3結(jié)語(yǔ)

        作為一種模擬生物視覺(jué)原理的神經(jīng)網(wǎng)絡(luò)算法,PCNN 在圖像處理和信號(hào)處理方面具有廣闊的應(yīng)用前景。本文基于改進(jìn)的PCNN方程,采用標(biāo)準(zhǔn)測(cè)試圖像進(jìn)行測(cè)試,驗(yàn)證圖像受到脈沖噪聲污染時(shí),PCNN可以取得較好的濾波

        免费一区二区三区视频狠狠| 大地资源网最新在线播放| 久久精品国产亚洲av香蕉| 美女网站免费福利视频| 国产免费av片在线播放 | 中文无码日韩欧免费视频| 中文字幕麻豆一区二区| 亚洲一区二区三区国产精品| 高清不卡av在线播放| 日韩精品乱码中文字幕| 插插射啊爱视频日a级| 丰满少妇a级毛片| 亚洲精品无码av中文字幕| 亚洲国产无线乱码在线观看| 久久精品国产亚洲AV高清wy| 国产成人高清亚洲一区二区| 成人激情视频在线手机观看 | 国产精品无码dvd在线观看| 欧美日韩国产码高清综合人成| 国产全肉乱妇杂乱视频 | 亚洲精品大全中文字幕| 一区二区三区国产高清视频| 国产成人午夜高潮毛片| 国产av无码专区亚洲av毛网站| a级毛片在线观看| 韩国日本亚洲精品视频| 在线亚洲免费精品视频| 国产激情视频免费在线观看| 免费va国产高清大片在线| 日本精品人妻无码77777| 大陆一级毛片免费播放| 免费a级毛片无码a∨免费| 久久免费看视频少妇高潮| 日本高清一道本一区二区| 99久久99久久精品免费看蜜桃 | 成人午夜特黄aaaaa片男男| 国产精品多人P群无码| 久热爱精品视频在线观看久爱 | chinesefreexxxx国产麻豆| 久久一日本道色综合久久大香| 在线日韩中文字幕乱码视频|