图学学报
圖學學報
도학학보
Journal of Graphics
2015年
1期
47-51
,共5页
脉冲耦合神经网络模型%脉冲噪声%可变突触连接系数%相似程度%点火时间序列
脈遲耦閤神經網絡模型%脈遲譟聲%可變突觸連接繫數%相似程度%點火時間序列
맥충우합신경망락모형%맥충조성%가변돌촉련접계수%상사정도%점화시간서렬
pulse coupled neural network model%impulse noise%variable synaptic connection coefficient%degree of similarity%ignition time sequence
传统的脉冲耦合神经网络(PCNN)在图像降噪时不能准确地定位噪声数据并去除图像噪声.提出一种基于改进的PCNN有效去噪方法.该方法在PCNN模型上采用自适应的突触连接系数,使之随不同神经元与其周围神经元相似程度的不同而自适应变化,提高噪声数据的辨识度;同时将PCNN神经元的点火频次记录在点火时间序列中,根据神经元点火次数判断并滤出噪声点,实现更好地降噪效果.实验测试结果表明,该方法不仅可以准确地辨识噪声数据,而且能够有效地去除图像的噪声点,具有较强的适应性和较好的边缘与细节保护能力.
傳統的脈遲耦閤神經網絡(PCNN)在圖像降譟時不能準確地定位譟聲數據併去除圖像譟聲.提齣一種基于改進的PCNN有效去譟方法.該方法在PCNN模型上採用自適應的突觸連接繫數,使之隨不同神經元與其週圍神經元相似程度的不同而自適應變化,提高譟聲數據的辨識度;同時將PCNN神經元的點火頻次記錄在點火時間序列中,根據神經元點火次數判斷併濾齣譟聲點,實現更好地降譟效果.實驗測試結果錶明,該方法不僅可以準確地辨識譟聲數據,而且能夠有效地去除圖像的譟聲點,具有較彊的適應性和較好的邊緣與細節保護能力.
전통적맥충우합신경망락(PCNN)재도상강조시불능준학지정위조성수거병거제도상조성.제출일충기우개진적PCNN유효거조방법.해방법재PCNN모형상채용자괄응적돌촉련접계수,사지수불동신경원여기주위신경원상사정도적불동이자괄응변화,제고조성수거적변식도;동시장PCNN신경원적점화빈차기록재점화시간서렬중,근거신경원점화차수판단병려출조성점,실현경호지강조효과.실험측시결과표명,해방법불부가이준학지변식조성수거,이차능구유효지거제도상적조성점,구유교강적괄응성화교호적변연여세절보호능력.
