基于PSOPCNN的图像滤波算法＊-

柳志忠

（海军驻葫芦岛431厂军事代表室 葫芦岛 125004）

1 引言

将粒子群算法（PSO）的基本原理融入到PCNN图像滤波算法中，从而得到了一种适用于PCNN图像滤波的粒子群算法，主要考虑PCNN图像滤波算法的连接系数β、连接系数β及预设阈值V0的参数确定问题，通过粒子群优化算法在解空间里寻求最优解。本文就粒子群算法（PSO）、PSO-PCNN算法、仿真与实验结果分析等，作进一步的研究和探讨［1］。

2 粒子群算法（PSO）

PSO粒子群优化算法（Paritcle Swarm Optimization）具有简单、较容易实现，具有一定智能化程度，既方便用于科学研究又可用于工程应用等多方面优势。在PSO算法中过程，搜寻区域中的一个“目标”的过程即是求解每个优化问题的解的过程，这个“目标”被称为粒子，自己的位置向量和速度向量是每个粒子都具有的特征，每个位置都表示了一组参数值。对于一个D维的优化问题，设一个D维空间中的每一个位置的粒子都代表优化问题中的一个解，而位置就代表着等待被算法优化调整的参数。所有的粒子都有一个适应值（fitness value），被优化的函数决定了该适应值的大小，每个粒子都有一个飞行速度，该速度决定了他们飞翔的方向和距离。然后粒子们就对区域中当前的最优“解”进行搜索［2］。

PSO算法的初始化是对一群随机粒子随机的进行的，然后利用迭代的方法寻找最优解。在每一次迭代过程中，粒子通过跟踪两个“极值”来对自己进行更新。第一个就是基于粒子自身所找到的最优解，称为个体极值pi；另一个是整个群体当前所能找到的最优解，称之为全局极值pg。……