PCNN简化模型结合快速自适应双边滤波的裂缝图像去噪算法

摘要：

传统图像去噪算法在解决裂缝图像去噪这一问题时仍然存在边缘细节模糊、算法效率低等不足.针对这一问题,提出了一种脉冲耦合神经网络(PCNN)简化模型结合快速自适应双边滤波的裂缝图像去噪算法(PCNN-FABF).该算法在利用PCNN的特性来确定噪声点的同时,通过简化PCNN中的参数来提高运算效率.然后利用快速自适应双边滤波对已确定的噪声点进行去噪.快速自适应双边滤波相较于普通双边滤波来说,既能较好地保持图像的细节信息,还能进一步提高算法的运行效率.为了验证所提算法的有效性,将所提算法与其他4种去噪算法进行对比实验,并且采用峰值信噪比和运行时间作为主观评价指标.实验结果表明,所提算法的裂缝图像去噪效果优于对比算法,同时所提算法的峰值信噪比和运行时间均优于其他对比算法,这说明了所提算法能较为完全地去除裂缝图像中的噪声,而且能较好地保留图像细节信息,还能提高去噪效率.

关键词：裂缝图像、图像去噪、脉冲耦合神经网络、双边滤波、峰值信噪比

所属期刊栏目：40

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金;常州市应用基础研究计划;中央高校基本科研业务费项目

在线出版日期：2021-07-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：8-13