一种新的基于PCNN的图像脉冲噪声滤波算法

为了更好地滤除图像中的脉冲噪声,在分析脉冲耦合神经网络(PCNN)的工作机理的基础上,在PCNN中引入了点火映射图的概念,并提出了一种新的基于PCNN点火映射图的图像脉冲噪声滤波器。该方法首先通过运行PCNN把噪声图像转化为点火映射图,然后利用点火映射图对图像中的脉冲噪声进行定位,最后仅对定位的噪声进行自适应滤波。计算机仿真实验表明,该方法的去噪效果优于传统方法,从而验证了该方法的有效性、合理性。     

基于PCNN的图像高斯噪声滤波的方法

针对图像高斯噪声的特点，提出了基于PCNN的图像高斯噪声的滤波新方法。通过对脉冲耦合神经网络运行机理的分析，指出网络中神经元间的捕获特性本身在一定程度上起着对图像的滤波作用，并介绍了该滤波方法的去噪能力和特点。为进一步适应图像滤波的需要，对PCNN的硬限幅函数加以了改进。最后给出了仿真实验的结果，验证了该方法的有效性。     

单一链接PCNN自适应脉冲噪声滤波

为有效滤除灰度图像中的脉冲噪声并保留图像的细节信息,提出了单一链接脉冲耦合神经网络（Single-Linking Pulse-Coupled Neural Network,SL-PCNN）模型。SL-PCNN简化了传统的PCNN参数,可自适应选取滤波阈值,SL-PCNN对原图像和反转图像进行两次点火过程即可定位出噪声点而无需进行PCNN循环,然后用中值滤波器滤除噪声。实验结果表明,在噪声强度不大于60%时,SL-PCNN的性能优于经典的脉冲噪声滤波算法;在噪声强度较大时SL-PCNN的性能优于常见的PCNN脉冲噪声滤波算法,主观及客观评价证明该算法的有效性。     

简化型PCNN 的混合噪声图像滤波算法研究

针对脉冲噪声和高斯噪声构成混合噪声的特点,提出了一种基于简化型脉冲耦合神经网络( Pulse Coupled Neural Network,PCNN) 滤波算法,利用了简化模型的几个技术特性,适当的选取参数,并在算法中结合了形态学方法、中值滤波和维纳滤波,该算法相对于均值滤波和中值滤波算法来说具有更好的抑制混合噪声干扰的能力,能较好地保持图像的边缘和细节信息。通过大量实验证实,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。在与其他算法的比较中,该算法优于传统的滤波算法,不但能有效地滤除混合噪声,并且计算量适中,具有较好的实时性,同时随着图像受混合噪声污染程度的增大,优势更加明 显。     

一种PCNN的彩色图像脉冲噪声滤波方法

通过脉冲噪声特性总结以及对脉冲耦合神经网络（PCNN）工作机理的分析,建立了一个在RGB色彩空间上的一种基于脉冲耦合神经网络的彩色图像去噪算法及模型。首先利用PCNN的同步脉冲发放特性定位脉冲噪声点的位置;然后利用中值滤波对其进行去噪处理,并将结果与中值滤波等其他滤波方法进行了比较。实验结果表明该方法不但能够有效去除图像中的噪声,而且能够更好地保护图像细节,较传统彩色图像去噪方法有较明显的优越性。     

基于PCNN的高斯噪声滤波

论文针对高方差的高斯噪声的特点,提出了一种先定位和去除大噪声像素,后平滑小噪声像素的滤波方法。文中采用类均值滤波方法去除大噪声像素,利用改进的PCNN平滑小噪声像素。与已有的滤波方法相比,该算法在较好地滤除噪声的同时,具有自适应和图像边缘保护能力。实验结果证实了该方法的可行性和有效性。     

基于PCNN的脉冲噪声滤波算法

鉴于噪声点和边缘点具有相似性,传统中值滤波、均值滤波很难对其进行区分,容易造成图像细节丢失。本文通过分析总结脉冲噪声的特点及脉冲耦合神经网络(PCNN)的工作机理,提出了一种基于PCNN的脉冲噪声滤波算法。首先利用PC-NN的脉冲传播特性检测出原始图像的噪声点和边缘点,然后利用噪声点和边缘点不同特点对其进行判断区分,若为噪声点进行中值滤波,边缘点则不做处理。实验结果表明该方法不但能有效的去除图像中的脉冲噪声,而且能很好的保护图像细节信息且提高了去噪后图像的峰值信噪比。     

图像脉冲噪声滤波算法

针对低噪声污染图像提出了一种改进的中值滤波算法.该算法通过计算滑动窗口内的像素均值和方差,根据数理统计特性,自适应选定阈值,对符合噪声条件的像素进行初次滤除,然后采用开关中值滤波算法对不符合条件的像素再次滤波.实验结果表明,该算法既能有效地去除噪声,又能清晰地保持图像边缘,降低了传统改进型中值滤波算法对阚值的依赖性和对图像边缘细节的损害程度,且滤波性能优于一些典型改进型中值滤波算法.     

一种新的彩色图像脉冲噪声滤波算法

针对嵌入式机器视觉应用系统对滤波处理算法的实际要求,提出一种改进的彩色图像矢量中值滤波算法。综合应用灰色关联分析方法和矢量中值滤波技术。首先根据灰色关联分析计算图像中各像素矢量之间相似程度来度量像素间的关联程度,即使用像素点间的灰色关联度代替常用的空间距离。其次,利用像素点间的灰色关联程度在算法中增加了噪声检测环节。通过进行对比实验,基于灰色关联分析的彩色图像滤波算法可以快速、有效地滤除图像中的脉冲噪声,对图像中边缘细节的保护效果要好于其他算法,而在计算效率方面更远高于其他算法。     

基于脉冲耦合神经网络的自适应图像滤波

为有效滤除灰度图像中的椒盐噪声并保留图像的边缘及细节信息,提出一种简化的阈值单向衰减脉冲耦合神经网络(PCNN)点火矩阵自适应图像滤波方法,简化的PCNN结构减少了所需参数并提高了运算速度。该方法通过对PCNN点火矩阵的分析,定位出被噪声污染的像素,只对噪声像素进行滤波,因而有效地保留了图像的细节信息;并根据椒盐噪声的特点,动态估计图像的噪声强度,自适应地选择滤波窗口的大小和滤波次数。实验结果表明提出方法较常见的图像降噪方法在滤波效果、自适应性及保留图像细节方面有明显的优势。     

新型红外图像脉冲噪声滤波算法

根据脉冲噪声与其邻域中图像灰度之间的明显差异性,提出一种新的基于交叉视觉皮质模型(ICM)的神经网络脉冲噪声滤波器算法.这种交叉视觉皮质模型(ICM)迭代运算次数少,执行速度快.并与中值滤波器、全方位结构元约束层叠滤波器、全方位结构元形态闭-开最小、开-闭最大滤波器等现有的非线性滤波器进行实验比较, 证明该方案有更好的降噪性能, 更重要的是比这些方案更有效地保持了红外图像的高频细节信息,对于红外图像的后期处理和识别打下了很好的基础.     

一种基于脉冲噪声检测的图像均值滤波方法

论文提出了一种针对图像脉冲噪声进行检测,并根据检测结果利用均值滤波方法滤除脉冲噪声的方法。该方法首先采用串行方式,对含有脉冲噪声的图像进行逐点检测,其中判断噪声点的阈值可自适应地调整。采用窗口长度自适应调整和选择性取样的均值滤波方法,对检测到的噪声点进行逐点滤除。该方法既可有效地滤除脉冲噪声,又可以较好地保持图像边缘细节,对图像的后续处理有很好的价值。论文最后给出了实验滤波结果,说明了该方法的有效性。     

用于脉冲噪声图像的交叉视觉皮质模型滤波

脉冲噪声点与其局部周围所在图像像素灰度值之间有很大的差异,导致了交叉视觉皮质模型(ICM)中神经元激发顺序的不同,根据ICM所具有相似神经元同步激发从而产生脉冲输出的特性,对脉冲噪声点进行定位和自适应滤波.结果表明:文中方法处理的受脉冲噪声污染的图像的信噪比较其他非线性滤波器的处理结果提高50%～60%,运算耗时仅为其他非线性滤波器的20%～30%;同时,比其他非线性滤波方案更有效地保持了图像的高频细节信息,给图像的后期处理和识别打下了很好的基础.     

随机值脉冲噪声滤波算法

文章详细分析了随机值脉冲噪声污染图像的局部灰度统计特征,定义了一种噪声可信度的估计函数—灰度等级共现几率,并在此基础上提出了共现几率极小的中值滤波算法。算法模拟生物视觉在注视过程中的变分辨率特性,以不同分辨率对噪声进行多层次的定位及滤波。实验结果表明,该文算法可以有效地滤除噪声,并较好地保留图像的边缘细节信息,其滤波效果比其它算法更接近理想的中值滤波,尤其是对于噪声高度污染的情况。     

Image Filter for Removal of Impulse Noise Based on Directional Derivatives

One of the most common image processing tasks involves the removal of noise from images. Noise can be introduced during image capture, during transmission, or during storage. For design purposes, noise sources are frequently approximated by random variables with a known probability distribution. One common noise model corrupts a signal by introducing impulses. And the surface of the image disturbed by impulse noise displays many peaks or vales. According to the characteristic of impulse noise, a novel algor...     

基于局部对比度的自适应PCNN图像融合

提出了一种结合人眼视觉特性的自适应PCNN图像融合新方法,使用图像逐像素的局部对比度做为PC-NN对应神经元的链接强度,经过PCNN点火获得参与融合图像的点火映射图,再通过判决选择算子,选择各参与融合图像中的明显特征部分生成融合图像.该方法除几个主要参数外,其它参数如阈值调整常量等对于融合结果影响很小,解决了PCNN用于图像处理时参数多且调整困难的问题.实验结果表明,融合效果优于经典的小波变换方法和Laplacian塔型方法.     

一种脉冲噪声图像复原算法

针对被脉冲噪声污染的观测图像提出了一种基于自相似灰度校正的自适应图像复原算法．该算法首先用有选择的中值滤波器对脉冲噪声进行抑制,然后利用图像的自相似性对像素值进行校正以克服中值滤波器造成的图像局部区域像素相关性增加对图像复原处理产生的不利影响．用规整化方法进行图像复原处理,并且使用在灰度校正过程中得到的竞争因子对图像局部区域的统计量进行加权来产生规整化参数,并使其在迭代过程中自适应的更新．实验结果表明,该算法获得的复原图像具有良好的客观评价指标和主观视觉效果．     

基于PCNN的彩色图像分割新方法

20世纪90年代发展起来的新一代神经网络——脉冲耦合神经网络(PCNN)模型特别适合于图像处理的各个方面,但是它一直只应用于灰度图像的处理上。有鉴于此,论文对PCNN在彩色图像分割上的应用进行了研究,将彩色图像空间变换成三个相互独立的分量,分别应用PCNN在灰度图像上已有的成熟的方法,得到了彩色图像的边缘信息,从而达到了彩色图像分割的效果。