基于改进PCNN的彩色图像混合噪声滤除.doc

基于改进 PCNN 的彩色图像混合噪声滤除 王 成，黎绍发，何 凯，涂泳秋 （华南理工大学计算机科学与工程学院，广州 510006） 摘 要：基于 LA-PCNN 模型的彩色图像混合噪声滤除算法存在算法调试须人工干预、对彩色图像滤波易出现污迹斑等问题。针对上述不 足，提出一种彩色图像混合噪声自适应滤除算法。通过理论和实验分析获得 LA-PCNN 模型关键参数的自适应定义和滤波算法中图像噪 点的判别方法。实验结果表明，相比 LA-PCNN 算法，该算法的 PSNR 有 9%~18%的提高，处理后图像的视觉效果更好，并具有较好的 自适应性和健壮性。 关键词：脉冲耦合神经网络；线性衰减阈值；混合噪声；彩色图像 Mixed Noise Removal for Color Images Based on Improved PCNN WANG Cheng, LI Shao-fa, HE Kai, TU Yong-qiu (College of Computer Science and Engineering, South China University of Technology, Guangzhou 510006, China) 【Abstract】Aiming at the deficiency of mixed noise removal algorithm for color images based on LA-PCNN, this paper proposes an adaptive algorithm of mixed noise removal for color images based on improved LA-PCNN. The adaptive setting method for key parameters and the estimation method of image pixels blurred by noises of LA-PCNN model are gained with theoretical and experiments analysis. Experimental results show that the algorithm improves denoising performance of PSNR from 9% to 18% than LA-PCNN algorithm, and gets a better visual effect when dealing with color images mixed noise removal, showing great adaptability and robustness. 【Key words】Pulse Coupled Neural Network(PCNN); linear-attenuated threshold; mixed noise; color image DOI: 10.3969/j.issn.1000-3428.2011.01.073 1 概述 彩色图像包含了更多的图像信息，因此，彩色图像处理 日渐成为热点研究。而在获取图像时可能会因为环境、设备 等噪声的干扰使图像受到污染，对噪声滤除效果的好坏将直 接影响后续图像的处理效果。对由脉冲噪声和高斯噪声形成 的混合噪声的滤除更是图像去噪领域的难点。目前去除混合 噪声的方法主要有模糊滤波、混合滤波、ICA 滤波等[1]。 脉 冲 耦 合神经 网络 (Pulse Coupled Neural Network, PCNN)是一种仿生系统，它模拟了猫猴的视觉神经系统[2]， 已在图像分割、图像融合、通信等领域得到广泛应用[3] 。文 献[4]通过对传统 PCNN 模型进行改进，提出输出阈值模型， 弥补了传统模型丢失大量处理结果信息的缺陷，并将其用于 高斯噪声滤除。然而 PCNN 模型单向捕获的特性使得该模型 处理图像噪声时会增大处理后图像的均方误差。文献[5]提出 了阈值线性衰减输出带权均值型 PCNN 模型 LA-PCNN，并 将其用于图像混合噪声的滤除，不仅处理性能明显优于模糊 滤波 、 中 值滤波及输出阈 值等方法，而 且避免了目前 几 种 PCNN 改进模型所存在的缺陷。但是，该方法仍存在算法调 试须人工干预、对彩色图像滤波易出现污迹斑等问题。因此， 本文对 LA-PCNN 模型做了进一步改进，提出了一种彩色图 像混合噪声自适应滤除方法。 2 LA-PCNN 模型 LA-PCNN 和传统 PCNN 模型一样，是由侧连的神经元 组成的一个 单层二维阵列 。 其中，每个 脉冲耦合神经元 由 4 个模块组成[5]，具体包括： (1)