基于PCNN和模糊理論的圖像增強(qiáng)技術(shù)研究.pdf

1、圖像增強(qiáng)技術(shù)是圖像處理技術(shù)的重要組成部分，其目的是對(duì)圖像進(jìn)行加工，以得到對(duì)具體應(yīng)用來(lái)說(shuō)視覺(jué)效果更“好”、更“有用”的圖像，為后續(xù)的圖像分析、理解和識(shí)別奠定基礎(chǔ)。傳統(tǒng)的圖像增強(qiáng)技術(shù)只是簡(jiǎn)單地改變整個(gè)圖像的對(duì)比度或抑制噪聲，在抑制噪聲的同時(shí)也削弱了圖像的細(xì)節(jié)部分，需要用戶的干預(yù)較多，不能自動(dòng)完成圖像增強(qiáng)等。 針對(duì)傳統(tǒng)圖像增強(qiáng)算法的缺陷及一些特定場(chǎng)景圖像增強(qiáng)的需求，本文提出一種基于改進(jìn)的脈沖耦合神經(jīng)網(wǎng)絡(luò)和改進(jìn)的遺傳算法的圖像模糊增強(qiáng)方

2、法。脈沖耦合神經(jīng)網(wǎng)絡(luò)(Pulse Coupled Neural Network，簡(jiǎn)稱PCNN)是近年來(lái)提出的一種新型網(wǎng)絡(luò)，它建立在模仿生物視覺(jué)皮層神經(jīng)元活動(dòng)的Eckhorn模型的基礎(chǔ)上，并由Johnson和其他研究者做了進(jìn)一步工作，而最終演化為一種單層迭代神經(jīng)網(wǎng)絡(luò)模型，更符合生物的自然視覺(jué)特性，在圖像處理的各個(gè)方面都獲得了廣泛應(yīng)用。 本文工作主要包括三方面：(1)在深入分析脈沖耦合神經(jīng)網(wǎng)絡(luò)工作機(jī)理的基礎(chǔ)上對(duì)其模型進(jìn)行改進(jìn)，充分利

3、用其重要特性：相互連接的神經(jīng)元之間存在著能量傳播，這種能量傳播使得神經(jīng)元能夠以相似集群產(chǎn)生同步脈沖發(fā)放現(xiàn)象，著重研究它在圖像平滑去噪中的應(yīng)用；(2)由于圖像需要增強(qiáng)的邊緣總存在一定的不確定性，即模糊性，因此把模糊理論應(yīng)用于圖像增強(qiáng)會(huì)優(yōu)于傳統(tǒng)的增強(qiáng)算法，更符合實(shí)際情況，能取得更好的增強(qiáng)效果。本文針對(duì)已有算法的缺點(diǎn)，如閾值隨機(jī)選取、抗噪能力不強(qiáng)等，提出兩種改進(jìn)的基于模糊理論的單層次和多層次圖像增強(qiáng)算法；(3)由于在圖像模糊增強(qiáng)過(guò)程中采用了先