基于耦合神经网络反应扩散模型的图像增强方法研究

随着人工智能技术的迅速发展,图像处理已经广泛应用于交通、医疗、农林、航空航天等领域,并且对图像质量要求也越来越高。针对图像增强问题,提出了一种利用神经网络模型,将FitzHugh-Nagumo反应扩散模型转变为微分动力系统的方法,来改进耦合神经网络,引入自适应的阈值,得到耦合神经元的非线性动力学模型,利用此模型可使图像对比度得到提升,起到增强图像的效果。该模型的适用面更广,图像对比度拉伸效果更好,视觉增强效果更为明显。