基于PCNN的水下图像滤波算法研究＊

田 丰 陈永刚

（东北电子技术研究所 锦州 121000）

1 引言

针对水下图像由于受悬浮颗粒（泥沙等）的影响较大的状况，研究了脉冲噪声特性以及对脉冲耦合神经网络（PCNN）工作机理的分析，建立了一个在RGB色彩空间上的一种基于脉冲耦合神经网络的彩色图像去噪算法及模型。首先利用PCNN的同步脉冲发放特性定位脉冲噪声点的位置，然后利用中值滤波对其进行去噪处理，并将结果与中值滤波等其他滤波方法进行了比较。本文就PCNN图像滤波算法、比较与分析等，作进一步的研究和探讨［1］。

2 PCNN图像滤波算法

PCNN图像滤波算法，主要包括：PCNN模型、脉冲噪声模型、噪声像素的定位、噪声像素的滤波［2］。

1）PCNN的单个神经元是由非线性连接调制、树突和脉冲产生三个部分组成的，其模型是图1所描述的结构：

图1 PCNN模型结构

线性连接输入通道和反馈输入通道两个部分组成了树突部分，它的作用是接受来自相邻神经元输入的信息。来自局部相邻神经元突触的信息主要输入到了线性连接输入通道，而图中所示的反馈输入通道在接受这种局部信息导入的同时，对于外部的刺激信息也能够直接接收。此外，每个部分的状态的变化不但由其本身状态所决定，还被接受到的输入信息所左右。加有偏置的线性连接部分与反馈输入两部分相乘的结果就得到了非线性连接调制部分的状态。

脉冲的产生取决于这个系统的内部活动项的状态，如果其值能够超过激发门限，那么就可以将其激活，反之则不能。……