计算机工程与设计
計算機工程與設計
계산궤공정여설계
COMPUTER ENGINEERING AND DESIGN
2011年
11期
3857-3860
,共4页
程园园%李海燕%张榆锋%施心陵
程園園%李海燕%張榆鋒%施心陵
정완완%리해연%장유봉%시심릉
脉冲耦合神经网络(PCNN)%高斯噪声%赋时矩阵%可变步长%分类滤波
脈遲耦閤神經網絡(PCNN)%高斯譟聲%賦時矩陣%可變步長%分類濾波
맥충우합신경망락(PCNN)%고사조성%부시구진%가변보장%분류려파
提出了一种用脉冲耦合神经网络(pulse-coupled neural network,PCNN)赋时矩阵定位噪声、分类滤波并能自适应调整灰度补偿步长的高斯噪声滤波方法.使用PCNN求得含噪图像的赋时矩阵,再在滤波窗口中根据目标像素与周围像素的点火时刻关系确定噪声点,对噪声点分4类滤波:增加、减少可变灰度步长,维纳滤波和中值滤波,最后对图像维纳滤波平滑小噪声点.实验结果表明,该算法能有效去除噪声且较好保持图像的边缘细节,与同类高斯滤波方法进行峰值信噪比、信噪比改善因子比较,验证了算法的有效性.
提齣瞭一種用脈遲耦閤神經網絡(pulse-coupled neural network,PCNN)賦時矩陣定位譟聲、分類濾波併能自適應調整灰度補償步長的高斯譟聲濾波方法.使用PCNN求得含譟圖像的賦時矩陣,再在濾波窗口中根據目標像素與週圍像素的點火時刻關繫確定譟聲點,對譟聲點分4類濾波:增加、減少可變灰度步長,維納濾波和中值濾波,最後對圖像維納濾波平滑小譟聲點.實驗結果錶明,該算法能有效去除譟聲且較好保持圖像的邊緣細節,與同類高斯濾波方法進行峰值信譟比、信譟比改善因子比較,驗證瞭算法的有效性.
제출료일충용맥충우합신경망락(pulse-coupled neural network,PCNN)부시구진정위조성、분류려파병능자괄응조정회도보상보장적고사조성려파방법.사용PCNN구득함조도상적부시구진,재재려파창구중근거목표상소여주위상소적점화시각관계학정조성점,대조성점분4류려파:증가、감소가변회도보장,유납려파화중치려파,최후대도상유납려파평활소조성점.실험결과표명,해산법능유효거제조성차교호보지도상적변연세절,여동류고사려파방법진행봉치신조비、신조비개선인자비교,험증료산법적유효성.
