APP下载

基于脉冲耦合神经网络的图像混合噪声滤波方法

2015-07-26徐向艺王建玺

微型电脑应用 2015年8期

徐向艺,王建玺

基于脉冲耦合神经网络的图像混合噪声滤波方法

徐向艺,王建玺

根据脉冲耦合神经网络同步脉冲发放特性来定位脉冲噪声和高斯噪声点的位置,提出一种在该网络控制下,只对与噪声相关的像素进行均值计算以替代噪声像素的亚均值滤波算法,实现了图像的较强自适应滤波。仿真实验结果表明,该方法适应性强,在去除医学图像噪声的同时能很好地保留医学图像的细节和边缘信息,有利于改善医学图像质量、提高信息利用率和诊断的正确率。

PCNN;亚均值滤波;中国分类号;医学图像;混合噪声滤波

0 引言

医学图像成像系统复杂,在形成和显示过程中,不可避免地引入了各种噪声,CT图像也不例外。在获取或传输过程中一般会被噪声污染,图像数据混有各种噪声,但主要表现为高斯噪声和脉冲噪声。噪声是影响CT图像质量至关重要的因素,直接影响着医生对病情的诊断和治疗。当病变组织与正常组织的衰减系数相差很小时,高噪声CT将无法分辨此病灶。因此,滤除医学图像噪声是对医学图像做进一步处理的前提,是一步非常必要的医学图像预处理工作。

脉冲耦合神经网络(Pulse Coupled Neural Network, 简称 PCNN)作为第三代人工神经网络,有着生物学的背景,是依据猫、猴等哺乳动物的大脑视觉皮层上的同步脉冲发放现象提出的[1-2]。PCNN的这个生物学背景使其在图像处理中具有先天的优势,有着传统方法进行图像处理所无法比拟的优越性。……

登录APP查看全文