控制工程
控製工程
공제공정
CONTROL ENGINEERING OF CHINA
2013年
5期
829-832
,共4页
脉冲耦合神经网络%混合噪声%滤波
脈遲耦閤神經網絡%混閤譟聲%濾波
맥충우합신경망락%혼합조성%려파
PCNN%hybrid noise%filtration
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.
針對脈遲譟聲和高斯譟聲構成混閤譟聲的特點,提齣瞭一種基于簡化型脈遲耦閤神經網絡(Pulse Coupled Neural Network,PCNN)濾波算法,利用瞭簡化模型的幾箇技術特性,適噹的選取參數,併在算法中結閤瞭形態學方法、中值濾波和維納濾波,該算法相對于均值濾波和中值濾波算法來說具有更好的抑製混閤譟聲榦擾的能力,能較好地保持圖像的邊緣和細節信息.通過大量實驗證實,應用簡化型PCNN濾波算法對濾除灰度圖像所受混閤譟聲的效果較好.在與其他算法的比較中,該算法優于傳統的濾波算法,不但能有效地濾除混閤譟聲,併且計算量適中,具有較好的實時性,同時隨著圖像受混閤譟聲汙染程度的增大,優勢更加明顯.
침대맥충조성화고사조성구성혼합조성적특점,제출료일충기우간화형맥충우합신경망락(Pulse Coupled Neural Network,PCNN)려파산법,이용료간화모형적궤개기술특성,괄당적선취삼수,병재산법중결합료형태학방법、중치려파화유납려파,해산법상대우균치려파화중치려파산법래설구유경호적억제혼합조성간우적능력,능교호지보지도상적변연화세절신식.통과대량실험증실,응용간화형PCNN려파산법대려제회도도상소수혼합조성적효과교호.재여기타산법적비교중,해산법우우전통적려파산법,불단능유효지려제혼합조성,병차계산량괄중,구유교호적실시성,동시수착도상수혼합조성오염정도적증대,우세경가명현.
