【摘要】：在視覺圖像處理中,可用三高斯模型來模擬視網(wǎng)膜神經節(jié)細胞的感受野,這可以在一定程度上對圖像信息,比如圖像的邊緣、細節(jié)等信息進行增強.但是在對大量的圖像進行處理時,為了達到比較理想的效果,就需要人為地來改變模型中的相關參數(shù),這是一個十分耗時的過程.基于此,本文提出一種基于憶阻交叉陣列的自適應三高斯模型.這種模型是在傳統(tǒng)三高斯模型的基礎上,根據(jù)所需處理圖像的局部特征,利用憶阻交叉陣列的特性動態(tài)地改變模型參數(shù),以達到對局部圖像最優(yōu)增強的目的,從而使整幅圖像的增強效果更好.首先,根據(jù)圖像的局部亮度信息來確定憶阻器所需施加的脈沖電壓的極性以及寬度;然后,根據(jù)所得憶阻值得到對應模型中參數(shù)的值;最后,可以得到局部增強模板,從而實現(xiàn)增強.本文分別選取了彩色和灰度圖像進行了測試,定性和定量實驗結果均表明,這種改進的三高斯模型不僅能夠對圖像邊緣進行有效的增強,而且還可以極大地提高圖像的對比度和清晰度,為憶阻器在圖像處理方面的應用提供了新方向.
[Abstract]:In visual image processing, three Gao Si models can be used to simulate the receptive field of retinal ganglion cells, which can enhance the image information to a certain extent, such as image edge, details and so on. However, when processing a large number of images, it is necessary to change the relevant parameters of the model artificially in order to achieve a better effect, which is a very time-consuming process. Based on this, an adaptive three Gao Si model based on amnesia crossover array is proposed. This model is based on the traditional three Gao Si model, according to the local characteristics of the image to be processed, using the characteristics of the amnesia crossover array to dynamically change the parameters of the model, in order to achieve the purpose of optimal enhancement of the local image. Thus, the enhancement effect of the whole image is better. Firstly, the polarity and width of the pulse voltage applied to the resistor are determined according to the local luminance information of the image, and then the corresponding parameters in the model are obtained according to the obtained values. Finally, local enhancement templates can be obtained to achieve enhancement. The qualitative and quantitative experimental results show that the improved three-Gao Si model can not only enhance the edge of the image effectively. Moreover, it can greatly improve the contrast and sharpness of the image, which provides a new direction for the application of the resistive device in image processing.
【作者單位】： 西南大學電子信息工程學院非線性電路與智能信息處理重慶市重點實驗室;
【基金】：國家自然科學基金(批準號:61571372,61672436,61372139) 中央高校基本科研業(yè)務費專項資金(批準號:XDJK2016A001,XDJK2014A009) 新世紀優(yōu)秀人才支持計劃(批準號:教技函[2013]47號)資助的課題~~
【分類號】：TP391.41

【相似文獻】

相關期刊論文 前10條

1 宗蘇;;人類膚色識別中高斯模型的應用[J];中小企業(yè)管理與科技(下旬刊);2011年12期

2 崔德友;;基于高斯模型的污損紙幣識別算法研究[J];計算機仿真;2012年03期

3 胡學剛;劉忠振;;基于高斯模型和卡爾曼預測的檢測與跟蹤[J];計算機工程與設計;2013年01期

4 王傳旭;李雪;;基于高斯模型和支持向量機的人臉檢測方法[J];微計算機信息;2009年24期

5 朱華生;葉軍;;基于改進高斯模型的車流量檢測算法[J];激光與紅外;2013年10期

6 屈志毅,陳建華,黃鶴鳴;一種基于高斯模型的人臉檢測方法[J];蘭州大學學報;2003年06期

7 張玉超;;基于高斯模型的運動目標檢測技術研究[J];電腦與電信;2012年11期

8 張新銘;張曉凱;宋健;;基于MATLAB仿真的火電廠環(huán)境影響的研究[J];微計算機信息;2012年06期

9 李志明;汪太月;李宏偉;;基于非對稱廣義高斯模型的局部優(yōu)化檢測中的應用[J];海南大學學報(自然科學版);2009年01期

10 林曉丹;;基于廣義高斯模型的音頻篡改盲檢測[J];計算機工程與設計;2013年09期

相關會議論文 前1條

1 芮挺;廖明;方虎生;朱經緯;;基于相關性與高斯模型的運動目標分割[A];第七屆和諧人機環(huán)境聯(lián)合學術會議（HHME2011)論文集【oral】[C];2011年

相關碩士學位論文 前10條

1 鄭曉利;基于編碼模型的目標跟蹤算法研究[D];西安電子科技大學;2014年

2 王井東;線性與核高斯模型及其混合模型的研究[D];清華大學;2004年

3 宋海礁;復雜情況下的運動目標檢測[D];吉林大學;2012年

4 歐陽俊強;長春市環(huán)保局大氣污染模擬系統(tǒng)的設計與實現(xiàn)[D];吉林大學;2013年

5 許麗華;人臉識別的貝葉斯統(tǒng)計方法[D];東北大學;2008年

6 張媛媛;基于WebGIS的突發(fā)事故大氣污染模擬的研究實現(xiàn)[D];浙江大學;2006年

7 湯中澤;運動目標自動檢測、提取與跟蹤[D];安徽大學;2011年

8 王盼;視頻中運動目標檢測與跟蹤技術研究[D];杭州電子科技大學;2009年

9 周圣鑫;二維視頻中目標的三維軌跡檢測算法研究[D];上海交通大學;2010年

10 譚乃強;視頻交通燈識別和陰影消除方法及應用研究[D];湖南大學;2010年

，

本文編號：2426697