[發明專利]一種基于GWO和BEMD優化的自適應PCNN圖像去噪方法

在審

• 申請號: 202110084686.7
• 申請日: 2021-01-21
• 公開（公告）號: CN112785522A
• 公開（公告）日: 2021-05-11
• 發明（設計）人: 蘆竹茂;楊虹;趙亞寧;韓鈺;白洋;劉永鑫;孟曉凱;田赟
• 申請（專利權）人: 國網山西省電力公司電力科學研究院
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06N3/00;G06N3/04;G06N3/08
• 代理公司: 南京華恒專利代理事務所(普通合伙) 32335
• 代理人: 宋方園

本發明公開了一種基于GWO和BEMD優化的自適應PCNN圖像去噪方法，使用BEMD將原始噪聲圖像分解，使用GWO對PCNN參數進行優化，自適應PCNN去噪方法將對分解的各個分量進行去噪，將去噪后的各分量進行重建得到去噪后的圖像。本發明有效確定了PCNN關鍵參數，解決了高強度噪聲的抑制問題，與現有圖像去噪方法相比不僅具有更快的收斂速度而且產生了更好的去噪效果。

技術領域

本發明涉及現代信息處理的圖像和數據去噪技術，具體地說，是指一種基于GWO和BEMD優化的自適應PCNN圖像去噪方法。

背景技術

隨著數字技術和多媒體通信的蓬勃發展，關于非線性和不穩定數據的數字圖像分析方法特別是數字圖像處理在數據傳輸、圖像匹配、目標檢測、遙感等許多領域中得到廣泛應用。然而，圖像噪聲的存在不可避免地會使圖像質量下降，最終導致有效像素的毛刺和失真，因此對于數字圖像，為了提高有效像素的識別精度，必須通過可靠有效的圖像去噪方法保證視覺像素的質量。現有圖像去噪算法都存在搜索機制復雜、容易陷入局部最優、泛化能力低等問題。

發明內容

發明目的：為了解決現有圖像去噪方法存在的搜索機制復雜、局部最優、保留細節信息不完整等問題，本發明提供一種基于GWO和BEMD優化的自適應PCNN圖像去噪方法。

技術方案：一種基于GWO和BEMD優化的自適應PCNN圖像去噪方法，包括以下步驟：

輸入原始噪聲圖像，通過BEMD分解將原始噪聲圖像自適應地分解成多個頻率不同的二維本征模函數分量和一個殘差函數分量；

利用GWO算法對PCNN參數進行優化，得到優化后的PCNN參數，所述PCNN參數包括指數衰減時間常數α_T，影響圖像恢復的突觸間連接強度因子β_T，決定在迭代計算中僅發布一次條件的固有電壓常數V_T；

對于分解后的二維本征模函數分量和殘差函數分量，用優化后的PCNN參數分別進行去噪處理，輸出去噪后的多個頻率不同的二維本征模分量和殘差函數分量；根據去噪前后的二維本征模分量和殘差函數分量計算灰狼函數適應度，更新搜索灰狼的位置向量，選取函數適應度最大時對應的參數α_T、β_T、V_T作為最優化參數；將使用最優化參數去噪處理后的各分量進行重建得到去噪后圖像。

進一步地，所述去噪處理步驟包括：將分解后的二維本征模函數分量和殘差函數分量作為輸入信號，輸入PCNN的輸入區，通過伽瑪變換增強分量對比度的操作得到信號強度L_ij[n₂]，計算3×3區域PCNN中每個神經元的信號強度L_ij[n₂]，并設置閾值E_ij[n₂]，計算神經元內部狀態信息U_ij[n₂]：

U_ij＝F_ij(1+β_TL_ij)

其中，F_ij為輸入信號，U_ij為輸入信號后神經元內部狀態信息；

將U_ij[n₂]與閾值E_ij[n₂]進行比較，若U_ij[n₂]大于E_ij[n₂]，便對該PCNN的神經元進行激活，激活頻率為

激活神經元后對神經元的信號強度L_ij[n₂]進行形態開運算處理，從而輸出去噪后的多個頻率不同的二維本征模分量和殘差函數分量。

進一步地，對原始噪聲圖像BEMD分解的方法為：