基于改进PCNN模型的对称中值滤波方法

为滤除灰度图像中椒盐噪声同时保留图像细节,提出了一种椒盐噪声滤波算法.首先利用改进PCNN模型执行一次点火操作从而定位灰度图像中噪声像素点位置,然后利用提出的对称检测中值滤波算法对已定位的噪声点进行滤波而其他位置像素信息保持不变.实验仿真表明,新提出的方法对噪声密度低于60%的椒盐噪声图像较已有的滤波算法有更优异的滤波性能.该算法能有效滤除噪声而且对图像的边缘细节保留完整,实验结果证明了算法的有效性.

基于改进PCNN模型的车辆阴影消除方法

消除车辆阴影对图像分割的影响是车辆自动监控系统中亟待解决的问题。针对阴影具有方向和大小不确定性的特点,充分利用脉冲耦合神经网络模型优良的图像分割能力,结合阴影属性,提出一种基于改进的脉冲耦合神经网络模型的运动车辆阴影消除方法。此方法无需建立道路背景模型与车辆阴影模型,在消除车辆阴影的同时能较好地保留车牌、车窗以及车标等车体的重要信息,为车体定位、特征提取等处理奠定良好的基础。大量现场图像测试结果验证了该方法消除车辆阴影的有效性,可广泛地应用于自然环境中车辆阴影的消除。

基于改进PCNN模型的偏振图像融合算法

偏振成像可以得到目标的多维偏振信息,各偏振参量图像之间具有很强的相关性,它们之间不仅包含大量的共有信息,还拥有各自的特有信息。针对如何从复杂背景中凸显目标,提高目标的辨识度这一问题,提出一种基于改进神经网络模型的偏振图像融合算法,将传统PCNN模型扩展到双通道,采用像素的平均梯度(AG)作为PCNN的链接系数,空间频率(SF)作为模型的输入项,对强度图与偏振度图进行融合处理,最后将实验结果与其他常用方法进行对比,客观评价指标表明,该算法融合效果更佳,且融合图像的边缘细节特征也更为清晰明显。

基于改进PCNN模型的椒盐噪声级化滤波方法

为有效滤除椒盐噪声同时保留图像的灰度细节,提出了一种椒盐噪声滤波算法.首先利用改进PCNN简化模型进行一次点火过程,定位灰度图像中被噪声污染和未被噪声污染的像素点,然后采用提出的级化中值滤波算法对已定位的噪声点进行滤波而保持其他像素点不变.仿真实验表明,提出的方法对不同强度的椒盐噪声图像均有较好的滤波性能.比较已有的滤波算法,该算法能在高噪声强度时有效滤除噪声并同时很好地保留图像的边缘细节,实验结果证明了算法的有效性.

PCNN参数自适应设定及其模型的改进

脉冲耦合神经网络(PCNN)模型在数字图像处理中有着广泛应用,但基本都是从网络的外在特性出发并结合一定的实际应用对其进行研究和改进,缺乏对模型本身数学特性的分析.本文从PCNN模型的迭代方程出发,对无耦合连接和耦合连接两种状态下的PCNN数学模型进行了点火机理分析,揭示了PCNN模型本身的数学耦合特性(点火阶梯)以及其对网络生物学特性(脉冲发放特性)会造成干扰和影响的现象,并分析了这种干扰和影响产生的机理和消除方法,同时提出PCNN用于图像分割时参数自适应设定的方法.最后给出了更能体现神经网络生物学特性的PCNN改进模型,将其用于Lena等图像的分割处理中,取得了良好的效果.

基于改进PCNN的数据降噪方法

为去除数据中存在的噪声点,提高数据质量,提出一种基于改进PCNN的数据降噪方法。该方法在无耦合链接的简化PCNN模型基础上,改进阈值函数,添加记录神经元是否点火的矩阵以及点火时间矩阵,根据神经元初次点火时间辨识并去除噪声点,从而实现数据降噪。实验测试结果表明:该算法能够有效滤除数据中的噪声点,很好地保持原始数据的特征。

改进PCNN对图像降噪的研究

针对图像噪声问题,提出了一种改进的PCNN模型,将突触连接强度分别取0.06或0.1的可调值,并结合局部中值降噪,有效地滤除噪声。实验结果表明,该方法有效地去除了图像的噪声点,改善了图像的质量,同时与突触连接强度不变的PCNN及传统降噪算法等多种方法进行比较,此方法降噪结果最佳。

一种基于PCNN的图像分割改进算法

为了实现脉冲耦合神经网络(PCNN)在图像分割过程中模型参数与迭代次数的少量化,提出了一种改进的PCNN快速图像分割算法。算法对PCNN模型进行了简化,将传统PCNN模型中恒定的连接系数与神经元所在像素点的像素值联系起来,去除了PCNN分割图像过程中的人工设置参数过程,并根据图像灰度统计特性,将动态阈值转变为恒定阈值,仅一次迭代便可完成图像分割。实验结果表明:算法的分割结果主观视觉感受良好,时间复杂度低,优于对比算法。

基于PCNN的交通路径寻优算法研究

路径寻优作为智能交通系统的重要组成部分,搜索效率需要提高,但是目前的算法未能快速准确地实现大规模交通路网路径寻优的计算功能。本文提出脉冲耦合神经网络(PCNN)求解最短路径,根据PCNN独特的自动波并行传播特性,结合大规模路网"节点数目多、结构复杂"的特点,采用PCNN改进模型。各神经元点火形成脉冲波在路网传播,记录最先到达脉冲波走过的路径为最短路径。最后给出路径搜索实现算法并与蚁群算法、Dijkstra算法比较,通过实例验证了改进模型和算法的有效性,该算法对求解大规模实时问题具有一定优越性。

脉冲耦合神经网络支持下的网络Voronoi图构建

针对网络Voronoi图中点与点之间通过实际路径距离而非传统欧式距离相连,在实际应用中较平面Voronoi图更加合理,该文提出了一种基于改进脉冲耦合神经网络的网络Voronoi图构建算法。借助模型的自动波发放及并行处理特性,较好地实现了基于路网的网络空间剖分,顾及了道路网及其点群自身属性对其服务范围的影响。实验表明,该算法实现了点群网络Voronoi图的构建,最短路径思想的引入使得构建的网络Voronoi图符合Voronoi图基本特征,可以用来表示点群的服务范围,不仅如此,算法的并行特性保证了算法的高效率。