基于脉冲耦合神经网络的自适应图像滤波

为有效滤除灰度图像中的椒盐噪声并保留图像的边缘及细节信息,提出一种简化的阈值单向衰减脉冲耦合神经网络(PCNN)点火矩阵自适应图像滤波方法,简化的PCNN结构减少了所需参数并提高了运算速度。该方法通过对PCNN点火矩阵的分析,定位出被噪声污染的像素,只对噪声像素进行滤波,因而有效地保留了图像的细节信息;并根据椒盐噪声的特点,动态估计图像的噪声强度,自适应地选择滤波窗口的大小和滤波次数。实验结果表明提出方法较常见的图像降噪方法在滤波效果、自适应性及保留图像细节方面有明显的优势。

结合脉冲耦合神经网络与引导滤波的红外与可见光图像融合

针对红外与可见光图像融合细节信息不够丰富、易出现伪影等问题,提出了一种结合脉冲耦合神经网络(PCNN)与引导滤波的红外与可见光图像融合方法。改进传统PCNN模型结构,在脉冲产生单元加入抑制项,避免像素重复点火对点火时间矩阵带来噪声;以原图为引导图像对点火时间矩阵T进行引导滤波,得到兼具显著信息与边缘细节信息的多区域加权划分矩阵;基于该多区域加权划分矩阵,对红外与可见光图像进行加权融合。同时,根据PCNN数学模型点火行为分析,提出了一种包含约束的PCNN模型参数设置方法,可降低PCNN模型参数设置的复杂度。实验结果表明该融合方法具有较高的融合效率,同时融合图像细节信息丰富,无明显伪影,交叉熵、空间频率指标相对于当前常用融合方法均较优。