基于改进PCNN决策的非对称裁剪中值去噪方法

为有效滤除图像中椒盐噪声,同时能保留更多边缘和细节信息,构造了脉冲耦合神经网络(PCNN)与非对称裁剪中值滤波(UTMF)结合的去噪方法。设计自适应连接系数的改进型PCNN,提高对噪声的辨识;提出椒盐噪声在PCNN点火时间矩阵中的值具有极限性以定位噪声;在基于点火时间矩阵决策下对噪声图像进行UTMF处理。实验表明,该方法信噪比高、细节信息保护好、视觉效果佳、适应性强。

结合PCNN和局部维纳滤波的图像去噪

提出了一种基于脉冲耦合神经网络(PCNN)的图像去噪算法,利用PCNN的同步脉冲特性对图像小波系数进行局部加窗修正,从而对信号方差进行更好地估计,以利用局部维纳滤波进行去噪.同时,根据各个像素间耦合特性的不同,提出了自适应连接系数,更好地反映了像素间的耦合关系,利于信号方差的估计.实验结果表明,该算法较维纳滤波和NeighShrink算法均有较高的峰值信噪比,视觉效果更好.