论文部分内容阅读
图像是一种信息获取与利用的重要途径。但是在获取或传输途中，图像质量会下降，所以需要利用各种图像处理技术来改善图像质量。 图像增强是整个图像处理过程的基础，是一个非常重要的环节。增强的目的在于改善图像的质量或优化视觉效果，使图像更利于人眼观测或机器识别，以便获取更有效的信息。增强需求会随处理目的或者观察者的不同而有所差异，即图像增强具有很强的针对性，这就决定了增强算法的高针对性。因此还没有一种通用的增强算法。 人类是利用大脑皮层视觉区来感知图像的，而脉冲耦合神经网络(PCNN)就是基于哺乳动物大脑视觉皮层神经元特性建立起来的数学模型，生物学背景使其较好地模拟了人类视觉系统，被广泛应用于图像处理的各个领域。 本论文主要通过对脉冲耦合神经网络模型特性的分析，研究其与人眼视觉特性之间的关系，并将其应用于图像增强中。文章首先介绍了各种图像增强算法的原理和应用场景，其次详细分析了脉冲耦合神经网络的工作原理，接着针对具体应用对PCNN模型进行了改进，将原来的指数衰减阈值改进为线性衰减阈值，并阐述了改进PCNN模型对灰度图像进行增强的原理，最后提出了一种基于本文PCNN模型的彩色图像增强算法，并对算法进行了实验仿真。与两种经典的彩色图像增强算法的增强结果比较表明，本文算法可以有效增强图像，输出图像对比度提高，细节显现，颜色自然，客观评价值高。