摘要
在煤矿井下环境照度低,采集的矿工图像是低照度、低分辨率,且存在着矿灯、水汽等因素干扰,采用改进的脉冲耦合神经网络模型对矿工图像进行增强处理。该方法主要是对PCNN模型中的连接强度β和阈值进行改进,有效控制神经元的阈值输出,调节神经元的点火时间,达到增强图像的目的。实验结果表明:采用改进的脉冲耦合神经网络模型的增强方法对原始图像处理后,图像在整体灰度上进行了有效地拉伸,使灰度过于集中的现象得到很大改善,分布更均匀,并且各个灰度级都较好地保留,不仅使图像整体对比度得到改善,而且使矿工脸部的细节及边缘部分得到有效增强,图像的增强效果比较明显。
在煤矿井下环境照度低,采集的矿工图像是低照度、低分辨率,且存在着矿灯、水汽等因素干扰,采用改进的脉冲耦合神经网络模型对矿工图像进行增强处理。该方法主要是对PCNN模型中的连接强度β和阈值进行改进,有效控制神经元的阈值输出,调节神经元的点火时间,达到增强图像的目的。实验结果表明:采用改进的脉冲耦合神经网络模型的增强方法对原始图像处理后,图像在整体灰度上进行了有效地拉伸,使灰度过于集中的现象得到很大改善,分布更均匀,并且各个灰度级都较好地保留,不仅使图像整体对比度得到改善,而且使矿工脸部的细节及边缘部分得到有效增强,图像的增强效果比较明显。
出处
《煤炭学报》
EI
CAS
CSCD
北大核心
2011年第S1期207-210,共4页
Journal of China Coal Society
基金
国家自然科学基金资助项目(51074169)
中央高校基本科研业务费专项资金资助项目(2009KJ03)
关键词
脉冲耦合神经网络
矿工图像
低照度
矿灯干扰
pulse coupled neural network
miner images
low illumination
the mine lighting interference
