论文部分内容阅读
脉冲耦合神经网络(PCNN: Pulse Coupled Neural Network)是一种新型的神经网络。本文对一种简化的脉冲耦合神经网络进行改进,将其应用于图像处理当中,主要从图像去噪和图像分割两个方面,对煤矿井下图像进行处理。针对传统图像去噪方法存在的去燥的同时使得图像模糊和边缘信息丢失等问题,根据煤矿井下视频图像光度不均、噪声较大的特点,提出采用基于改进的简化脉冲耦合神经网络对煤矿井下图像进行椒盐去噪处理。对简化的脉冲耦合神经网络模型中神经元连接强度的选取方法进行改进,使依赖于噪声图像像素灰度值,从而更加有效地去除椒盐噪声;然后对动态门限的衰减时间常数E选取方法进行改进,使依赖阈值输出的放大系数v E,减少整个模型的参数,并通过实验选取值。实验结果表明,与传统的中值滤波、均值滤波方法相比,基于改进的简化脉冲耦合神经网络的去噪方法不仅有效地去除了矿井图像的椒盐噪声,而且很好地保持了图像的边缘等细节特征。利用改进的简化脉冲耦合神经网络与最小交叉熵结合对煤矿井下图像进行图像分割。该方法对简化的脉冲耦合神经网络的阈值衰减函数E ij进行改进,使得阈值衰减函数E ij只依赖于的选取,其他的参数则与图像去噪中的参数选取方法相同,都是针对煤矿井下图像的特点进行选取。计算机仿实验表明,利用改进的简化脉冲耦合神经网络与最小交叉熵结合对煤矿井下图像进行图像分割,能够较好地分割出边缘的细节,比传统的阈值分割方法要好。