77范文网 - 专业文章范例文档资料分享平台

PCNN模型在彩色图像增强中的应用(2)

来源:网络收集 时间:2021-01-28 下载这篇文档 手机版
说明:文章内容仅供预览,部分内容可能不全,需要完整文档或者需要复制内容,请下载word后使用。下载word有问题请添加微信号:或QQ: 处理(尽可能给您提供完整文档),感谢您的支持与谅解。点击这里给我发消息

主要介应用PCNN模型对彩色图像进行增强

62012,48(1)ComputerEngineeringandApplications计算机工程与应用网络,它克服传统神经网络需要训练、算法过于复杂、使用性算符号,W=WjÅWj-1Å?ÅW2ÅW1。低等缺点,具有以下几个突出特点[5]:(1)每一神经元是动态神2.3应用PCNN模型的彩色图像增强经元;(2)每一神经元具有动态脉冲发放特性;(3)所有参数可

以控制;(4)系统无需训练,有很强的自适应性。首先将图像从RGB空间转换到HSV空间,保持H、S通道

PCNN模型由基本神经元组成,每一神经元N(不变,利用小波变换对V通道进行能量衰减,压缩它的动态范

iji,j=1,2,…)

的结构图如图1所示。围。PCNN模型可以看作以单层二维的局部连接网络,对于亮

度V分量来说,它的神经元个数为输入图像的像素点个数,每

FWL1+βLE一个神经元不仅与对应的亮度强度像素点相连,而且还与邻

FE

近的神经元相连,每个神经元的输出只有两种状态,点火或不

输入区连接输入区UY

脉冲发生器

图1PCNN模型结构简图点火。依据PCNN模型中被同步激活的像素点具有近似的灰

度值,被异步激活的像素点具有不同的值。因此,利用PCNN

每个神经元通过下面的迭代等式运算:模型,依据一定的原理加大图像区域间亮度强度的梯度,就能Fij=exp(-aF)Fij[n-1]+VFåmijklYkl[n-1]+I(1)

klij突出图像的边缘,使得图像的亮度强度分布更具有层次性。

Lij=exp(-aL)Lij[n-1]+VLåwijklYkl[n-1](2)2.3.1亮度V分量的降噪处理

kl

Uij=Fij[n](1+βLij[n])(3)由于受噪声的干扰,亮度强度值域周围其他值差异很大,

利用PCNN模型,找到高亮度噪声点的具体位置,采用3×3窗

Y]

ij={1,Uij[n]>θij[n

0,otherwise(4)口的局部中值算法去除噪声点,然后对图像进行反白处理,再θij=exp(-aθ)θij[n-1]+VθYij[n-1](5)处理得到高亮度噪声点,最后进行反白处理,得到降噪后的亮

度V分量[5]。

由以上公式可以看出,PCNN模型就是由众多神经元相互2.3.2亮度V分量的增强处理连接而成的神经网络,它的每个神经元都由三部分组成:输入依据人眼的视觉特性,人眼所感知的亮度与客观亮度成域、连接域、输出域。其中输入域一部分来自外部输入信号的对数关系I=lnS,所以,采用对数函数映射,将神经元感知的反馈输入,即Fij(I表示输入激励,值为点(i,j)的灰度Iij,mijkl亮度强度映射到一个合适的范围[5-6]。为神经元之间的权系数),另一部分来自其他神经元的连接输由于PCNN模型能够对近似的亮度强度值同步激活,对入,即Lij(其中wijkl为神经元之间的权系数,通常mijkl=wijkl)。不相似的亮度强度值异步激活,如果人为加大图像区域间亮接下来,馈送输入Fij和连接输入Lij乘积耦合形成连接域,度强度的梯度,那么就会增强边缘,使亮度V分量得到增强。Uij=Fij[n](1+βLij[n]),通过Uij与动态阈值θij的比较,激励或设Vmax为亮度V分量的最大值,Vmin为亮度V分量的最抑制神经元的脉冲信号输出Yij,而Yij不仅导致自身θij,Lij,小值,初始阈值θij=Vmax,各神经元之间无耦合,则在n=1时Fij的变化,而且还影响其他临近连接的神经元的输出,而这些刻,Fij(1)=Vij,Lij(1)=0,Uij(1)=Fij,θij(1)=Vmax*exp(-αθ),此受影响的神经元又会激励其周围连接的神经元的输出。因时若Vmax*exp(-αθ)<Iij£Vmax,则对应的神经元同时点火,将此,在PCNN内部,具有近似灰度的像素就会被同步激活,否神经元感知的亮度强度值记为ln(Vmax);在n=2时刻,则被异步激活(aF,aL,aθ为衰减常数,β为连接强度常数,F

Vij(2)=Vij,Lij(2)=0,Uij(2)=Fij,θij(2)=Vmax*exp(-2αθ),此F,VL,Vθ为放大系数常数)。

2.2入射反射模型及小波变换时若Vmax×exp(-2αθ)<Vij£Vmax×exp(-αθ),则对应的神经元

传统入射—反射模型认为图像的高动态主要由入射分量又同时点火,将神经元感知的亮度强度值记为ln(Vmax)-αθ;直引起,入射分量是图像中的慢变部分(主要反映图像中的光到Vij=Vmin的神经元也点火。所以递推可得到如下亮度V分照),反射分量是图像中的快变部分(主要反映图像中的细节)。量的增强公式,enhVij为增强的亮度强度值,t是神经元点火如果能够从图像中分离出入射分量,就可以通过衰减入射分的时刻(t=1?2?)。量的能量来达到压缩图像动态范围的目的。但是,入射—反enhVij=ln(Vmax)-αθ(t-1)(7)射模型中前提条件是光照必须是均匀的,而多数图像光照剧由于初始的阈值θ烈且不均匀。因此,必须对入射—反射模型做一定的修改。ij的取值非常重要,它决定着神经元和

小波变换的多尺度特性和人眼水晶体的功能十分相似。邻近神经元所受到的激励,它要反映出以下事实:某个神经元小波分解后,其高频部分主要由图像的细节(即反射分量的主受到的激励较强(较弱),而邻近神经元受到的激励较弱(较强)。要组成部分并包含噪声)构成,低频部分主要由图像的光照2.3.3算法步骤(即入射分量的主要组成部分)构成,文献[1]得到图像的入射(1)读取一幅真彩图像;反射模型应用小波变换解释为:(2)真彩图像由RGB空间变换到HSV空间;

f(x?y)=Vj(x?y)ÅW(x?y)(6)(3)针对亮度通道采用静态小波变换,分解为入射分量和其中VcD(h)反射分量;

j是小波变换后的低频信息cAj,Wj+1是包括j+1,

(v)(d)(4)利用文献[1]中的方法对入射分量进行能量压缩;cDj+1和cDj+1的高频信息,j是小波变换的尺度,Å为合成运(5)然后利用PCNN模型方法对亮度通道的入射分量进

百度搜索“77cn”或“免费范文网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读,免费范文网,提供经典小说教育文库PCNN模型在彩色图像增强中的应用(2)在线全文阅读。

PCNN模型在彩色图像增强中的应用(2).doc 将本文的Word文档下载到电脑,方便复制、编辑、收藏和打印 下载失败或者文档不完整,请联系客服人员解决!
本文链接:https://www.77cn.com.cn/wenku/jiaoyu/1185722.html(转载请注明文章来源)
Copyright © 2008-2022 免费范文网 版权所有
声明 :本网站尊重并保护知识产权,根据《信息网络传播权保护条例》,如果我们转载的作品侵犯了您的权利,请在一个月内通知我们,我们会及时删除。
客服QQ: 邮箱:tiandhx2@hotmail.com
苏ICP备16052595号-18
× 注册会员免费下载(下载后可以自由复制和排版)
注册会员下载
全站内容免费自由复制
注册会员下载
全站内容免费自由复制
注:下载文档有可能“只有目录或者内容不全”等情况,请下载之前注意辨别,如果您已付费且无法下载或内容有问题,请联系我们协助你处理。
微信: QQ: