典型文献
基于FHN神经元自适应多通道随机共振图像增强
文献摘要：
为了解决图像受到采集设备以及外界噪声干扰,导致图像质量出现不同程度退化的问题,提出一种基于FHN神经元自适应的多特征并行通道级联随机共振图像增强方法.首先将原始输入图像分解为朝向、亮度以及亮度对比度等特征信息独立通道;然后构建基于遗传算法的自适应随机共振多特征并行通道对输入信息流并行处理机制,通过遗传算法求解每一个通道FHN神经元随机共振系统的最优参数,以实现特定噪声自适应最优FHN神经元参数设置,达到非线性FHN神经元、图像信号以及噪声之间的共振协同作用;最终对并行多通道的输出特征增强信息进行融合,再通过一个级联FHN神经元对融合数据做深度优化,实现FHN神经元非线性系统和带噪声输入图像的最佳匹配.以本实验室基于常规微生物学实验需要而采集的菌落图作为实验对象,采用仿自然光悬浮式暗视野系,以F/1.4大光圈镜头,对培养后皮氏培养皿上所生长的菌落进行了千万像素级的成像.通过与其他图像增强算法实验结果的对比,证明了本方法的有效性和鲁棒性,PSNR值保持在35以上,在保持菌落图像细节的基础上,对原图像具有很好的增强效果.通过利用随机共振机制,设计的多特征独立通道的自适应随机共振信息增强处理方法,为图像增强方法提供了新的思路以及后续的图像处理任务提供了基础.
文献关键词：
FHN神经元;随机共振;遗传算法;并行通道;图像增强
中图分类号：
作者姓名：
房涛;方琳灵;刘艳;潘树文
作者机构：
浙大城市学院信息与电气工程学院,浙江 杭州310005;中国移动杭州研发中心融合通信系统部,浙江 杭州311121
文献出处：
引用格式：
[1]房涛;方琳灵;刘艳;潘树文-.基于FHN神经元自适应多通道随机共振图像增强)[J].传感技术学报,2022(11):1521-1529
A类：
独立通道,并行多通道
B类：
FHN,随机共振,噪声干扰,图像质量,多特征,并行通道,增强方法,图像分解,朝向,亮度对比度,特征信息,信息流,并行处理,处理机制,一个通,最优参数,噪声自适应,参数设置,特征增强,强信息,融合数据,深度优化,非线性系统,微生物学实验,菌落,实验对象,仿自然,自然光,悬浮式,暗视野,大光,光圈,镜头,培养皿,所生,落进,千万,像素级,图像增强算法,PSNR,原图,增强效果,信息增强
AB值：
0.323302
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
