电讯技术
電訊技術
전신기술
TELECOMMUNICATIONS ENGINEERING
2009年
12期
35-38
,共4页
图像处理%概率神经网络%脉冲噪声%噪声检测%去噪%中值滤波
圖像處理%概率神經網絡%脈遲譟聲%譟聲檢測%去譟%中值濾波
도상처리%개솔신경망락%맥충조성%조성검측%거조%중치려파
提出了一种用概率神经网络(PNN)检测图像随机脉冲噪声点方法.首先提取已知图像脉冲噪声像素点的特征作为PNN的输入,然后建立了PNN脉冲噪声点识别模型,再对其它噪声图像的每一个像点进行识别,最后只对噪声点进行中值滤波.Matlab仿真实验表明,同BPNN检测方法相比,该网络能明显提高识别正确率,因此有更好的脉冲噪声滤除效果,且该方法滤除脉冲噪声简单快速,是一种较好的神经网络图像脉冲噪声识别滤除方法.
提齣瞭一種用概率神經網絡(PNN)檢測圖像隨機脈遲譟聲點方法.首先提取已知圖像脈遲譟聲像素點的特徵作為PNN的輸入,然後建立瞭PNN脈遲譟聲點識彆模型,再對其它譟聲圖像的每一箇像點進行識彆,最後隻對譟聲點進行中值濾波.Matlab倣真實驗錶明,同BPNN檢測方法相比,該網絡能明顯提高識彆正確率,因此有更好的脈遲譟聲濾除效果,且該方法濾除脈遲譟聲簡單快速,是一種較好的神經網絡圖像脈遲譟聲識彆濾除方法.
제출료일충용개솔신경망락(PNN)검측도상수궤맥충조성점방법.수선제취이지도상맥충조성상소점적특정작위PNN적수입,연후건립료PNN맥충조성점식별모형,재대기타조성도상적매일개상점진행식별,최후지대조성점진행중치려파.Matlab방진실험표명,동BPNN검측방법상비,해망락능명현제고식별정학솔,인차유경호적맥충조성려제효과,차해방법려제맥충조성간단쾌속,시일충교호적신경망락도상맥충조성식별려제방법.