一种基于PCNN的低对比度灰度图像增强方法及其评价

摘要

本课题主要从事脉冲耦合神经网络(Pulse-CoupledNeuralNetworks，以下简称PCNN)对数字图像处理应用的理论研究工作，具体考察它在图像增强中的应用。该项目受国家自然科学基金资助，属于基础理论研究。PCNN是近年来提出的一种新型网络，属于第三代神经网络。通过对PCNN工作原理和行为机制的深刻剖析，本文提出基于PCNN的低对比度的灰度图像增强算法。该算法应用了PCNN的有关特性，并结合了直方图均衡增强算法的思想实现了图像的整体增强，并利用PCNN的侧抑制和捕获特性实现了局部增强。为了对本文的算法做出客观公正的评价，应用了大量的其它方法作对比实验，同时参考了主观和客观的多种评价方法，并对其做出了主观和客观的综合评价。与传统的增强方法相比，本文算法在改善图像整体对比度的同时，实现了局部对比度的增强，无论在主观评价还是在客观评价方面，都取得了很好的效果。

目录

文摘

英文文摘

创新性声明及关于论文使用授权的说明

第一章绪论

第二章图像增强的各种技术

第三章PCNN的工作原理和特征

第四章基于PCNN的图像增强

第五章仿真实验及评价

第六章结束语

致谢

参考文献

研究成果