郭旭展+姚建峰

摘要：基于脉冲耦合神经网络， 提出了一种有效的脉冲噪声图像滤波算法。利用 PCNN相似群神经元同步发放脉冲的特性检测噪声点，并利用中值滤波对噪声点进行滤波。仿真表明，该方法对不同强度的噪声图像均体现了较好的滤波性能，在去噪效果和运行效率上同其它方法相比具有明显优势。

关键词关键词：脉冲耦合神经网络；脉冲噪声；同步脉冲

DOIDOI：10.11907/rjdk.143807

中图分类号：TP317.4

文献标识码：A文章编号文章编号：16727800（2015）002014302

0引言

数字图像在生成和传输过程中有可能会受到多种噪声污染，其中典型的噪声是脉冲噪声。脉冲噪声主要表现为极端的点状污染，噪声点与周边像素的灰度值区别很大，对图像的特征破坏也很大。常用的降噪方法包括中值滤波[1]和均值滤波。但这两种处理方法不区分噪声点，只是对所有像素进行同样的操作，整体图像都被平滑化，因此图像的细节破坏很大。如何利用噪声与周围像素的灰度区别进行准确识别，有目的地进行降噪，保护图像细节，提高图像识别效果，一直是图像处理的研究热点[2]。

经过长期研究，图像处理技术日趋成熟，传统处理方法难以进一步提高处理效果，而模拟人的认知过程是一种新的发展方向，神经网络就是其中的代表。长期以来，经典的神经网络结构，如BP神经网络、RBF神经网络等，在这一过程中得到广泛应用，但其处理信息是依赖于阈值和连接权值，这与人的认知方式截然不同，效果并不理想。……