论文研究PCNN在图像增强中的应用 .pdf

Contourlet变换是小波变换的新发展，具有多分辨、局部性和多方向性等优良特性，能更有效地捕捉图像中的几何结构。分析了Contourlet变换的原理和性质，重点探讨了其在图像去噪领域的应用及改进，

从矩特征的一般表达方式出发，引入了一种新的不变矩——小波不变矩，并将其用于飞机图像的识别中，仿真结果表明，同Hu矩和Zernike矩相比，该算法具有比较好的识别效果。

主要介绍了用于第二代居民身份证数字相片的图像自动增强技术的实现。首先，将采集到的数字相片从RGB空间转换到HSV空间，提取出亮度分量图像;然后采用直方图均衡的方法实现图像的亮度调整和对比度修正;最后，

对新一代图像多分辨分析工具Contourlet变换的特性进行了分析和讨论，在此基础上提出了一种利用矩阵SVD分解的稳定性在Contourlet域中频子带系数中进行二值伪随机水印信号嵌入的算法。嵌入时，

边缘提取是图像处理的基础工作，如何精确、有效地提取边缘是图像处理领域相关学者讨论的热点问题，由此产生的各种边缘检测方法层出不穷并且得到了很好的应用，但这些方法都无法达到人眼识别物体边缘的精确程度。目前

基于PSO算法和PCNN模型的图像自动分割算法，张永康，，Echhorn等人提出的脉冲耦合神经网络（PulseCoupledNeuralNetwork,以下简称PCNN）在图像处理中得到广泛的应用，但

针对传统的脉冲耦合神经网络（Pulse Coupled Neural Network，PCNN）模型中参数众多且不易自动选取，迭代次数结束条件不好确定的问题，提出了一种基于灰度迭代阈值脉冲耦合神经网络

脉冲耦合神经网络在图像分割中需要选取适当的网络参数，就内部连接矩阵而言，不同场合一般采用相同的设置，为了进一步改善图像分割质量，充分利用邻域的边缘及灰度分布信息，提出了一种基于空间矩确定内部连接矩阵的

聚焦窗口选择是自动聚焦算法中的重要模块，直接影响评价函数曲线的尖锐性、精确性，影响聚焦系统的复杂度。针对传统的聚焦区域选择算法的局限性，提出了一种基于AFSA的聚焦区域自适应选择算法；针对标准的人工鱼

针对脉冲耦合神经网络（PulseCoupledNeuralNetworks，PCNN）中参数选取不易确定的不足，提出一种基于脉冲耦合神经网络和果蝇优化算法（FruitFlyOptimizationAl