基于脈沖耦合神經(jīng)網(wǎng)絡(luò)的ccd噪聲濾波方法

基于脈沖耦合神經(jīng)網(wǎng)絡(luò)的ccd噪聲濾波方法

隨著經(jīng)濟(jì)和社會(huì)的發(fā)展，環(huán)境質(zhì)量在經(jīng)濟(jì)和社會(huì)建設(shè)中發(fā)揮著越來(lái)越重要的作用。環(huán)境質(zhì)量的廣泛應(yīng)用對(duì)遙感數(shù)據(jù)的精度提出了更高的要求。由于遙感衛(wèi)星直接暴露在復(fù)雜的宇宙環(huán)境中，沒(méi)有地球?qū)拥谋Ｗo(hù)，遙感衛(wèi)星電子郵件設(shè)備的性能容易受到宇宙射線和高科技顆粒的影響，從而影響遙感數(shù)據(jù)的精度。此外，在傳輸過(guò)程中，電子耦合器也會(huì)受到空間環(huán)境的影響，降低數(shù)據(jù)質(zhì)量。電子通信裝置（chargacouperdevice）將入射光子轉(zhuǎn)換為電子，通過(guò)電子線路將特定區(qū)域（像素）上的電子轉(zhuǎn)移到特定區(qū)域，然后轉(zhuǎn)移到片內(nèi)電子顯微鏡，并將其轉(zhuǎn)換為電壓。模擬數(shù)字兌換后的數(shù)字信號(hào)可以反映接收點(diǎn)入射光的強(qiáng)度，并獲得相關(guān)點(diǎn)信息。這是遙感衛(wèi)星中最常用的數(shù)字圖像采集設(shè)備。根據(jù)貓皮的同步脈沖分布規(guī)律，引入了脈沖分布模型，并在驗(yàn)證猴皮時(shí)也會(huì)使用該模型。對(duì)于csc給出的模型變形，可以獲得具有思維邏輯和相位信息的脈沖神經(jīng)網(wǎng)絡(luò)模型（pcni）。嚴(yán)格地說(shuō)，中國(guó)的實(shí)際生物細(xì)胞模型與pc氮的模型一致。在這項(xiàng)工作中，我們使用了基于cd噪聲和pc氮的特征的pcni并將pc氮引入cc噪聲過(guò)濾方法。結(jié)果表明，pc氮方法對(duì)sd噪聲的過(guò)濾效果較好。1cd的特性與響應(yīng)CCD的暗流、數(shù)據(jù)讀出噪聲、像素大小、每個(gè)像素中的滿井電荷數(shù)、A/D轉(zhuǎn)換器的位數(shù)、CCD動(dòng)態(tài)范圍以及CCD零響應(yīng)偏差等原因?qū)D像質(zhì)量都有影響.實(shí)際應(yīng)用中,暗流、零響應(yīng)偏差和響應(yīng)不均勻性是重點(diǎn)考慮的影響因素.CCD暗流是指在沒(méi)有光照的情況下CCD像素中的電荷積累,和溫度有著極其密切的關(guān)系,隨著溫度的升高快速增加.在極低溫度下CCD暗流可以被忽略,而采用熱電冷卻一般要進(jìn)行暗流校正.由于遙感衛(wèi)星大多采用熱電冷卻,所以將暗流作為一種重要的噪聲來(lái)處理,一般是從所獲得的圖像中減去暗流圖像.暗流圖像是指關(guān)閉CCD相機(jī)快門(mén),曝光一定時(shí)間后所得的圖像,通常曝光時(shí)間和目標(biāo)圖像的曝光時(shí)間一樣長(zhǎng).在一定的精度范圍內(nèi)可以認(rèn)為暗流是時(shí)間的線性函數(shù),通常采用多幅暗流圖像平均的辦法獲得最終暗流圖像.但這只去除了暗流的直流部分,暗流交流部分的均值可以認(rèn)為是0,方差為某值的高斯噪聲.零響應(yīng)偏差又稱偏移圖像,指快門(mén)關(guān)閉不曝光,CCD即刻讀出的數(shù)據(jù).CCD的這種偏移值通常由片內(nèi)放大器造成的,在圖像陣列中具有較低的空間頻率,且不隨時(shí)間的變化而變化.一般用多幅偏移圖像的平均值作為偏移圖像.由于暗流圖像中包含了零響應(yīng)偏差,如果進(jìn)行了暗流校正,就不需再進(jìn)行零響應(yīng)偏差校正了.理想情況下CCD應(yīng)將物體的亮度單調(diào)地映射成圖像的灰度級(jí),且在空間上是各向同性的,但由于CCD各像素的響應(yīng)不盡相同,造成在均勻曝光情況下得到非均勻結(jié)果.CCD的響應(yīng)不一致用響應(yīng)模板來(lái)校正,波段、獲取目標(biāo)圖像的步驟不同都要進(jìn)行模板校正.響應(yīng)模板即為CCD對(duì)一個(gè)亮度均勻的發(fā)光體拍照所得的圖像,一般用多張響應(yīng)模板的均值作為圖像校正的響應(yīng)模板.此外,CCD在宇宙射線和高能粒子的影響下還可能會(huì)出現(xiàn)壞點(diǎn),該點(diǎn)不能正常反映對(duì)應(yīng)點(diǎn)的灰度值,其對(duì)應(yīng)的灰度值不隨對(duì)應(yīng)點(diǎn)的光強(qiáng)的不同而改變.CCD的暗流直流分量、零響應(yīng)偏差和響應(yīng)不均勻性的影響可進(jìn)行如下校正,即f(x,y)=C[g(x,y)?md(x,y;n)/n]ge(x,y)?(1)f(x,y)=C[g(x,y)-md(x,y;n)/n]ge(x,y)?(1)式中,f(x,y),g(x,y)分別為校正后和校正前圖像的灰度值;C為物體各點(diǎn)灰度的理論值;m為圖像的曝光時(shí)間,s;d(x,y;n)為CCD的ns暗流圖像;ge(x,y)是對(duì)一個(gè)亮度均勻的物體進(jìn)行曝光得到的實(shí)際圖像灰度的平均值.[JP2]完成上述校正后,可以認(rèn)為圖像中所含有的噪聲僅有高斯噪聲和椒鹽噪聲.對(duì)于上述兩類噪聲有許多濾除算法,特別是椒鹽噪聲,中值濾波能很好地濾除它;但對(duì)于高斯噪聲,難以找到一種有效地濾除方法.[JP]2基于pcnn的噪聲濾除PCNN是由若干個(gè)神經(jīng)元互連而構(gòu)成的反饋型網(wǎng)絡(luò),其神經(jīng)元的結(jié)構(gòu)模型如圖1所示.其數(shù)學(xué)表達(dá)式可簡(jiǎn)化為Fj[n]=exp(?αF)Fj[n?1]+VF∑kmjkYk[n?1]+Sj?(2)Lj[n]=exp(?αL)Lj[n?1]+VL∑kwjkYk[n?1]?(3)Uj[n]=Fj[n](1+βjLj[n])?(4)Ej[n]=exp(?αE)Ej[n?1]+VE∑k∑lYkl[n?1]?(5)Yj[n]={1Uj[n]>Ej[n],0其他?(6)Fj[n]=exp(-αF)Fj[n-1]+VF∑kmjkYk[n-1]+Sj?(2)Lj[n]=exp(-αL)Lj[n-1]+VL∑kwjkYk[n-1]?(3)Uj[n]=Fj[n](1+βjLj[n])?(4)Ej[n]=exp(-αE)Ej[n-1]+VE∑k∑lYkl[n-1]?(5)Yj[n]={1Uj[n]>Ej[n],0其他?(6)式中,Fj[n],Lj[n],Uj[n],Ej[n],Yj[n],Sj和βj分別為第j個(gè)神經(jīng)元的第n次反饋輸出、連接項(xiàng)、內(nèi)部活動(dòng)項(xiàng)、動(dòng)態(tài)門(mén)限、輸出和第j個(gè)神經(jīng)元的外部輸入和連接系數(shù);αF,αL,αE分別為Fj[n],Lj[n],Ej[n]的衰減系數(shù);VF,VL,VE分別為Fj[n],Lj[n],Ej[n]的固有系數(shù);mjk,wjk分別為第j個(gè)神經(jīng)元的反饋和內(nèi)部連接權(quán)值,若某個(gè)神經(jīng)元的輸出為1時(shí)被稱為點(diǎn)火.PCNN用于圖像噪聲濾除時(shí),其神經(jīng)元與圖像像素點(diǎn)一一對(duì)應(yīng)且外部輸入為該像素點(diǎn)的灰度值.可看出,當(dāng)每個(gè)神經(jīng)元的權(quán)值mjk=0和連接系數(shù)βj=0時(shí),像素的灰度值越高,對(duì)應(yīng)神經(jīng)元的點(diǎn)火頻率就越高;而當(dāng)神經(jīng)元的連接系數(shù)βj≠0且mjk≠0和wjk≠0,在每個(gè)神經(jīng)元的連接系數(shù)、反饋連接系數(shù)和內(nèi)部連接系數(shù)都相同的情況下,灰度值大的神經(jīng)元先點(diǎn)火,其點(diǎn)火以后將影響其周?chē)纳窠?jīng)元.由式(2)～(4)知,點(diǎn)火神經(jīng)元周?chē)窠?jīng)元的下一次內(nèi)部活動(dòng)項(xiàng)的值有所提高,即在網(wǎng)絡(luò)參數(shù)已定的情況下,空間鄰近、灰度值相近的像素對(duì)應(yīng)的神經(jīng)元將在同一時(shí)間點(diǎn)火,各神經(jīng)元間對(duì)應(yīng)的亮度差越小越容易同步點(diǎn)火.當(dāng)某個(gè)神經(jīng)元的點(diǎn)火時(shí)間與其周?chē)蟛糠稚窠?jīng)元的點(diǎn)火時(shí)間不一致時(shí),則認(rèn)為該點(diǎn)有噪聲的影響.可以采取合適的辦法來(lái)縮小它們灰度值之間的差距,如用相連神經(jīng)元對(duì)應(yīng)灰度的平均值或中間值來(lái)代替該點(diǎn)的灰度值.由PCNN神經(jīng)元的數(shù)學(xué)表達(dá)式組可知:在其他參數(shù)已定的情況下,βj越大消除噪聲的能力越強(qiáng),但對(duì)圖像邊緣的模糊作用也越強(qiáng),PCNN中的參數(shù)的選擇和確定對(duì)噪聲的濾除效果起著很重要的作用,但由于PCNN的復(fù)雜性和理論研究的不足,在具體的應(yīng)用過(guò)程中需要根據(jù)噪聲的具體情況來(lái)確定PCNN中的參數(shù).本文所用到的基于PCNN的噪聲濾除的算法可簡(jiǎn)單描述如下:①輸入原始圖像,暗流圖像和響應(yīng)校正模板;②由式(1)得到包含有椒鹽噪聲和高斯噪聲的待處理圖像;③初始化PCNN網(wǎng)絡(luò)中的參數(shù);④將待處理圖像與PCNN網(wǎng)絡(luò)對(duì)應(yīng)起來(lái),計(jì)算各神經(jīng)元的點(diǎn)火情況;⑤循環(huán)對(duì)圖像中的所有像素對(duì)應(yīng)的神經(jīng)元作如下處理:如果某個(gè)神經(jīng)元的點(diǎn)火時(shí)間和其周?chē)拇蟛糠稚窠?jīng)元的點(diǎn)火時(shí)間一致則不作處理,否則用與其相連的神經(jīng)元對(duì)應(yīng)的像素的灰度值的平均值代替該神經(jīng)元對(duì)應(yīng)的像素的灰度值;⑥返回到第4步,直至步驟5中更改像素的個(gè)數(shù)小于規(guī)定的個(gè)數(shù).3psnr性能表征利用一幅遙感圖像進(jìn)行仿真計(jì)算,并將本文所述算法的結(jié)果與中值濾波的結(jié)果進(jìn)行比較.圖2為含有不同噪聲、采用本文所述算法和采用中值濾波的結(jié)果.PCNN網(wǎng)絡(luò)的參數(shù)分別設(shè)為αF=0.1,αL=0.1,αE=1.0,VF=1.0,VL=1.0,VE=100.0,βj=0.01,每個(gè)神經(jīng)元的反饋連接權(quán)值和內(nèi)部連接權(quán)值都為1,每個(gè)神經(jīng)元和其周?chē)?個(gè)神經(jīng)元相連.中值濾波采用3×3濾波窗口.表1列出了基于PCNN和中值濾波方法的PSNR,PSNR主要反映對(duì)噪聲的抑制程度,其定義為PSNR=10lg255×2551MN∑x=0M?1∑y=0N?1|f(x?y)?f′(x?y)|2?(7)ΡSΝR=10lg255×2551ΜΝ∑x=0Μ-1∑y=0Ν-1|f(x?y)-f′(x?y)|2?(7)式中,M,N分別為圖像的行列數(shù);f(x,y),f′(x,y)分別為噪聲濾除前、后圖像的灰度值.仿真計(jì)算結(jié)果表明:基于PCNN的CCD噪聲濾除方法比中值濾波方法的效果要好,PSNR平均約高出3.5dB.它不僅對(duì)CCD中典型的椒鹽噪聲和高斯噪聲有濾除作用,而且圖像的邊緣也保護(hù)的很好.圖像中噪聲較小時(shí)濾波的效果比噪聲大時(shí)的濾波效果好,但從表1可以看出,不論是本文給出的濾波方法還是中值濾波方法對(duì)高斯噪聲的濾除效果都不是很好,要想更好的濾除高斯噪聲的影響應(yīng)該采取其他方法.此外,由于PCNN的模型