计算机工程与信息技术学报

并行改进脉冲耦合神经网络在图像边缘检测中的应用

阿尔沙姆·阿贝迪尼、阿里夫·米里和阿里雷扎·马莱基

边缘检测是大多数图像处理应用的基础。有各种经典的边缘检测方法，例如 Canny 算子。这些方法的主要缺陷是它们不够灵活。为了在图像处理应用中提供这种灵活性，提出了基于神经元模型的脉冲耦合神经网络 (PCNN)。这种灵活性是由于存在许多参数，这些参数可以针对不同的图像进行调整，以达到可接受的性能。另一方面，要达到有效的性能，就需要正确指定所有这些参数，这是非常具有挑战性的。鉴于此，提出了 PCNN 的简化模型。在本文中，我们提出了一种基于一个简化模型的并行结构，以便执行有效的边缘检测。我们还以自适应的方式设置了该模型的参数。在模拟结果中，我们将我们提出的算法的边缘检测性能与其他方法进行了比较。这些结果表明，我们的算法在噪声消除和有效边缘检测方面具有更好的性能。