Zeitschrift für Computertechnik und Informationstechnologie

Parallele verbesserte pulsgekoppelte neuronale Netzwerkanwendung zur Kantenerkennung in der Bildverarbeitung

Arsham Abedini, Aref Miri und Alireza Maleki

Die Kantenerkennung ist die Grundlage der meisten Bildverarbeitungsanwendungen. Es gibt verschiedene klassische Methoden zur Kantenerkennung, wie z. B. den Canny-Operator. Der Hauptmangel dieser Methoden ist ihre mangelnde Flexibilität. Um diese Flexibilität in Bildverarbeitungsanwendungen zu bieten, wird ein pulsgekoppeltes neuronales Netzwerk (PCNN) auf der Grundlage eines Neuronenmodells vorgeschlagen. Diese Flexibilität ist auf das Vorhandensein vieler Parameter zurückzuführen, die für unterschiedliche Bilder angepasst werden können, um eine akzeptable Leistung zu erzielen. Andererseits hängt das Erreichen einer effektiven Leistung davon ab, alle diese Parameter korrekt anzugeben, was eine große Herausforderung darstellt. Aus diesem Grund werden vereinfachte PCNN-Modelle vorgestellt. In diesem Artikel schlagen wir eine parallele Struktur auf der Grundlage eines vereinfachten Modells vor, um eine effektive Kantenerkennung durchzuführen. Außerdem legen wir die Parameter dieses Modells selbstadaptiv fest. In Simulationsergebnissen vergleichen wir die Kantenerkennungsleistung unseres vorgeschlagenen Algorithmus mit anderen Methoden. Diese Ergebnisse zeigen, dass unser Algorithmus in Bezug auf Rauschunterdrückung und effektive Kantenerkennung eine bessere Leistung aufweist.