基于随机共振的FHN神经元并联阵列图像复原

• 全文链接
• 请求原文

作   者：

张化戈;  马玉梅;  潘振宽; 

作者机构：

青岛大学计算机科学技术学院; 

关键词：

图像复原;  阵列随机共振;  菲茨休-南云模型;  信噪比; 

期刊名称：

计算机仿真

i s s n：

1006-9348

年卷期：

2022 年 39 卷 004 期

页   码：

174-179,295

摘   要：

针对在低峰值信噪比(PSNR)条件下传统灰度图像复原方法处理噪声图像效果差且会丢失一些图像的细节信息的问题,提出了一种FitzHugh-Nagumo(FHN)神经元并联阵列模型,可以在低PSNR条件下复原噪声灰度图像并且更好的保留图像细节.上述方法用行列扫描将二维灰度图像转换成一维信号,然后通过信号幅值调制将一维信号转换为一维二进制脉冲幅值调制(BPAM)信号,将BPAM信号输入到FHN并联阵列模型进行随机共振.最后,将FHN阵列输出信号通过解调,反扫描等操作恢复为二维灰度图像,并基于PSNR分析图像复原效果.结果表明:FHN并联阵列模型可以有效地共振低PSNR条件下的噪声,图像复原效果明显优于传统图像复原方法,可获得较大的PSNR.上述方法为低PSNR条件下的灰度图像复原提供了新思路.