資源描述：
《基于PCNN的紋理圖像增強(qiáng)算法-孫紫鵬》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、第33卷第10期應(yīng)用科技Vo.l33,№.102006年10月AppliedScienceandTechnologyOc.t2006文章編號(hào):1009-671X(2006)10-0005-04基于PCNN的紋理圖像增強(qiáng)算法孫紫鵬,刁鳴,趙峙江(哈爾濱工程大學(xué)信息與通信工程學(xué)院,黑龍江哈爾濱150001)摘要:闡述了應(yīng)用有生物學(xué)依據(jù)的脈沖耦合神經(jīng)網(wǎng)絡(luò)(PCNN)的脈沖發(fā)放特性進(jìn)行圖像增強(qiáng)的原理,并將此原理應(yīng)用于具有紋理特性的指紋圖像,從而產(chǎn)生了針對(duì)紋理圖像增強(qiáng)的新方法.此方法主要利用紋理圖象的灰度變化特性,采用將像素點(diǎn)灰度
2、與所在鄰域內(nèi)灰度的局部均值比較的方法,使原方法更有針對(duì)性.實(shí)驗(yàn)結(jié)果證明,指紋圖象增強(qiáng)效果顯著.關(guān)鍵詞:圖像增強(qiáng);脈沖耦合神經(jīng)網(wǎng)絡(luò);馬赫帶效應(yīng);局部均值中圖分類號(hào):TP751.1文獻(xiàn)標(biāo)識(shí)碼:AAlgorithmoftexturemiageenhancementbasedonPCNNSUNZi-peng,DIAOMing,ZHAOZhi-jiang(CollegeofInformationandCommunicationEngineering,HarbinEngineeringUniversity,Harbin150001,
3、China)Abstract:Firstlythetheoryofimageenhancementisdemonstratedthatappliesthepulsetransmittingcharacterofthepulse-coupledneuralnetwork(PCNN),whichisanartificialnetworkbasedonbiology.Thenthefingerprintimageswithtexturescharacteristicareprocessedwiththisnewmethod,c
4、reatinganewwaytoenhancethetextureofafingerprintimage.Thismethodmainlytakesadvantageofthegreylevelchangeoftextureimagetocomparethepixelgreylevelvaluetothelocalmeanofneighbourdomainwhichthepixelbelongsto,sothepertinencecanbestrengthened.Theresultsprovethattheeffect
5、offingerprintimageenhancementisobvious.Keywords:imageenhancement;PCNN;Machbandeffect;localmean脈沖耦合神經(jīng)網(wǎng)絡(luò)對(duì)于灰度圖像增強(qiáng)相對(duì)于傳統(tǒng)的基于頻域和時(shí)域的增強(qiáng)方法有很大的改進(jìn),但具體地應(yīng)用于紋理圖像其效果并不明顯.因此,在此基礎(chǔ)上對(duì)算法進(jìn)行了改進(jìn),通過實(shí)驗(yàn)證明此方法行之有效.1PCNN模型簡介圖1PCNN模型其中二維圖像矩陣M×N相當(dāng)于M×N個(gè)PC-從20世紀(jì)90年代開始,由R.Eckhorn等對(duì)貓NN神經(jīng)元模型,其每一個(gè)像素的
6、灰度值對(duì)應(yīng)每個(gè)的視覺皮層神經(jīng)元脈沖串同步振蕩現(xiàn)象的研究,得[1]神經(jīng)元的輸入Iij.數(shù)學(xué)模型如下所示:到了哺乳動(dòng)物神經(jīng)元模型,并由此發(fā)展形成了脈沖Fij[n]=Iij,耦合神經(jīng)網(wǎng)絡(luò)PCNN模型,當(dāng)該模型應(yīng)用到圖像增Lij[n]=exp(-αL)Lij[n]+VL∑WijklYkl[n-1],強(qiáng)處理時(shí),其模型如圖1所示.Uij[n]=Fij[n](1+βLij[n]),收稿日期:2006-03-22.作者簡介:孫紫鵬(1981-),男,碩士研究生,主要研究方向:寬帶信號(hào)檢測與估計(jì),E-mail:sunzipeng@yaho
7、o.com.cn.6應(yīng)用科技第33卷θij[n]=exp(-αθ)θij[n-1]+VθYij[n-1],能夠方便地感知圖像中目標(biāo)的邊緣,這對(duì)圖像分割Yij[n]=Step(Uij[n]-θij[n]).十分有利.因此,在某種程度上模擬人眼主觀視覺,式中:Iij為外部輸入刺激信號(hào)(這里為圖像像素構(gòu)成可以增強(qiáng)圖像效果.PCNN網(wǎng)絡(luò)的輸出與對(duì)數(shù)變換[7-8]的矩陣中第(i,j)個(gè)像素的灰度值);PCNN神經(jīng)元之間的關(guān)系,如圖2所示.Nij接受反饋輸入Fij[n]和連接輸入Lij[n],然后在其內(nèi)部神經(jīng)元活動(dòng)系統(tǒng)形成內(nèi)部活動(dòng)項(xiàng)
8、Uij[n](模型中偏移量歸整為1,β為鏈結(jié)強(qiáng)度系數(shù)).當(dāng)Uij[n]大于動(dòng)態(tài)門限θij[n-1]時(shí),PCNN產(chǎn)生輸出時(shí)序脈沖序列Yij[n].現(xiàn)在對(duì)一些參數(shù)作如下說明:1)Vθ表示閾值幅度系數(shù),其決定迭代計(jì)算中只發(fā)放一次的條件,為了確保神經(jīng)元Nij在點(diǎn)火之后不再點(diǎn)火,使得外部激勵(lì)最弱的神經(jīng)元也能點(diǎn)火,Vθ的圖2PC
