基于各向异性脉冲耦合神经网络模型的光照补偿

摘要：

针对低照度非均匀光照图像,为了解决传统脉冲耦合神经网络(PCNN)模型在光照补偿中出现的灰化现象和阴影部分光照补偿不足的问题,提出了基于各向异性PCNN(anisotropic-PC-NN)模型的光照补偿算法.首先,分析了图像的统计特性,进丽根据PCNN模型神经元的点火特性,讨论了连接权值矩阵W、M的取值对自动波的波面阵和波的传播方向的影响；然后,基于We-ickert的扩散率函数,对连接权值矩阵W、M重新赋值,设计了各向异性PCNN模型；最后,给出了各向异性PCNN模型的输出与补偿后图像之间的简化非线性映射函数.仿真结果表明,本文模型可以有效地进行图像的整体和局部动态范围的调整,使图像中阴影区域的细节信息得到充分展现,消除传统PCNN模型引起的灰化现象.对低照度非均匀光照的图像的光照补偿具有一定的普遍适用性.

关键词：各向异性、脉冲耦合神经网络(PCNN)、非均匀光照、光照补偿

所属期刊栏目：24

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家创新研究群体基金51021005

在线出版日期：2013-12-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：2038-2046