基于脉冲耦合神经网络的图像插值算法

２ Ｃ Ｎ基本原理与简化模型 Ｐ Ｎ
本文设计采用简化的 Ｐ Ｎ Ｃ Ｎ神经元模型进行处理 ，单个
高 了图像边缘 的清晰度 ，但当图像变形较大 时，仍会造成边
缘层次模糊和锯齿 ；随着非线性科 学理论 的蓬勃发展 ，梯度 插值 】 、小波变换 ＿等非线性处理手段也 已被 应用在图像插 ｏ
Ｃ ｕ ｌｄＮｅ ｒｌ ｅｗｏｋＰ Ｎ ｏ ｐｅ ｕａ Ｎ ｔ ｒ（Ｃ Ｎ）ｉ ｉｔ ｄ ｃ ｄ Ｔ ｅｃｕｔ ｓａｄｔｅｐｏ ａａｉｎｐ ｔｓｏ ｕｓ ｒ ｂ ｉｅ ｙｕｉｇｔｅｓｎ ｈｏ ｏ ｓｐ ｌ ｕｓ ｓ ｎｒ ｕ ｅ ． ｈ ｌｓ ｒ ｎ ｒｐ ｇ ｔ ａ ｆ ｌ ａｅｏ ｔ ｎｄｂ ｓ ｙ ｃ ｒｎ ｕ ｕｓ ｂ ｒｔ ｏ ｅ ｈ ｏ ｈ ｐ ｅ ａ ｎ ｈ ｅ
提取等方面取得 了较好的成果。该方法依据 Ｐ Ｎ Ｃ Ｎ源 自于 哺 乳动物 的神经视觉模 型 ，具有很好 的图像分割能力 ，能有效 地识别 图像 的边缘 区、平滑区和纹理 区等不 同区域。同时依
据其神经元 的点火路径 ，能明确指 明不 同区域的方向 ，正确
引导插值 。本文 引入 了基于 Ｐ ＮＮ 的插值算法 ，该插值 算 Ｃ Ｊ 法 先根据神 经元 点火特性 将图像 分割成 不同灰 度区域 的集 群 ，再对集群 内及集群间隙像素点采有不 同的插值算法 ，完
文，副教授 ；胥
磊 ，硕士
Ｍｘ Ｎ的图像矩 阵对应于一个 由Ｍ ｘ Ｎ个 Ｐ ＮＮ神经元构成 Ｃ 的神经元网络。
作者倚介 ：刘春梅（ ７ 一） １ ７ ，教授、博士 ；曹 ９ 收稿 日 ：２１—０Ｏ 修回 日期 ： ０ １１－ Ｅｍａ ：ｍ ｉｅ ６０ ６． ｒ 期 ０ｌｌ一８ ２ １－１ ８ ２ ・ ｉ ｅ ｉ０ ＠１３ ｏ ｌ ｍ 一 ｃｎ
成 整 幅 图像 的插 值 工 作 。
邻插值 、双线性插值 以及各类样条插值 等算法…较简单 ，运
算速度快 ，易于用 电路实现，但其插值过程近似于低通滤波
处理 ，常常导致 图像过于平滑 ，边缘模糊 。为 了解决这一问 题 ，近年来提 出了许多基于边 缘的新 的有效 的插值方法 ，有
些 是在传统 的方法上进行改进 Ｌ Ｊ ２ ，如基 于边缘 的双线 性插 ’值 、基于边缘 的样条插值等 ，这些改进算法在一定程度上提
中图分类号； Ｐ９． Ｔ ３１ ９
基于脉 冲耦 合神 经 网络 的图像 插值 算法
刘春梅 ，邹传云 ，曹 文 ，胥 磊
（ 西南科技大学信息工程学院 ，四川 绵 阳 ６ １ １） ２００ 摘 要 ：为解决数字 图像插值过程 中边缘锯齿和图像模糊 问题 ，提 出一种基于脉冲耦合神经 网络（Ｃ Ｎ） Ｐ Ｎ 的图像插值算法 。利用 Ｐ Ｎ 同 ＣＮ
第 ３ 卷 第 ｌ 期 ８ ５
Ｖ０ ． ８ １３
・
计
算
机
工
程
２１ ０ ２年 ８月
Ａｕｇ ｓ ｕ ｔ ２０１ ２
Ｎ Ｏ．５ １
Ｃｏ ｐ ｅ ｇ ｎ ｅ ｉ ｇ ｍ ｕｔｒＥｎ ｉ ｅ ｒｎ
图形 图像 处理 ・
文章编号： ０ｏ ２（ １１ ２２ ３ 文献标 １０ ４８０２ ５ ２ － ２ ）—０ —０ 识码： Ａ
脉 冲 耦 合 神 经 网 络 （ｕｓ ｏ ｐｅ ｅ ｒｌＮｅ ｒ， Ｐ ｌ Ｃ ｕ ｌｄ Ｎ ｕａ ｅ ｔ ｋ ｗｏ Ｐ Ｎ 近年在 图像处理 中得到极 为广泛的应 用，它在 图像 处 Ｃ Ｎ）
理 领 域 如 图 像 增 强 、 目标 识 别 、 图像 融 合 、 图像 去 噪 、边 缘
［ ｓ ａ ｔ ｏｒｄ ｃ ｅｅ ｇ ａ ｔｏｈａｄｂｕ ｆｍａｅｄ ｒ ｇｔｅｄｇｔｌｍａ ｅｉｔｐ ｌｔ ｎ ａ ｇ ｔ ｐ ｌｔ ｎａｇ ｒｈ ｂ ｓｄｏ ｕｓ Ａｂ ｔ ｃｌＴ ｕｅｔ ｄ ｅｓｗ ｏｔ ｎ ｌ ｏ ｇ ｕｉ ｉｉ ｇ ｅ ｏａｉ ， ｎｉ ｅｉ ｅ ｏａｉ ｌｏｉ ｍ ａｅ ｎＰ ｌ ｒ ｅ ｈ ｒ ｉ ｎｈ ａｉ ｎｒ ｏ ｍａ ｎ ｒ ｏ ｔ ｅ
神 经元模型如图 １所示。它是 由若干个神经元互连而构成的
反馈型网络 ， 每个神经元 ， 由接收单元、调制单元和脉冲 都 产生单元 ３个部分组成。在进行图像处理时 ，神经元 的个数
值 中，并取得 了较好 的效果 ，但这些算法都 是针对整 幅图像 进行计 算插值 ，插值过程将耗费大量时间和存储 空间，软硬 件 电路 实现 较困难 。而且小波变换 方法 由于其尺度 因子离散 化 ，使 它的 自适应能力也受到 限制 。另外，当原始 图像受噪 声 或光照干扰 比较严重 时，这些边缘增强插值算法将有可能
（ ｃ ｏ ｌ ｆ ｎ ｏｍａｉｎＥ ｇｎ ｅｉｇ Ｓ ｕｈ ｓ ｎｖ ｒｉ ｆ ｃｅ ｃ Ｓ ｈ ｏ Ｉｆ ｒ ｔ ｎ ｉｅ ｒ ， ｏ ｔｗｅｔ ｉｅｓ ｙｏ Ｓ ｉｎ ｅ＆ Ｔ ｃｎ ｌｇ ， ｉ ｙ ｎ ２ ０ ０ Ｃ ｉａ ｏ ｏ ｎ Ｕ ｔ ｅ ｈ ｏｏ ｙ Ｍ ａ ａ ｇ６ １ １ ， ｈｎ ） ｎ
ｐ ｏ ｅ ｔ ＣＮＮ，ｔ ｅ ｅ ｄ ｆｅ ｅ ｔｉ ｔ ｒ ｏ ａ ｉ ｎ ｍ ｅｈ ｄ ｉ ｓ ｄ ｉ ｈ ｎ ｅ ｎｄ ｉ ｔ ｒ ｌ ｏ ｌ ｓｅ ｓｔ ｎ ｓ ｎ ｅ ｏｌｔｏ ｆｔ ｏ ｅ ｉ ｇ ． ｒ ｐ ｒｙ ｏｆＰ ｈ ｎ ｔ ｉｆ ｒ ｎ ｎ ｅ ｌｔｏ ｔ ｏ ｓ ｕ ｅ ｎ ｔ ｅ ｉ ｎ ｒａ ｅｖａ ｓ ｆｃ ｕ ｔ ｒ ｏ ｆ ｉｈ ｉ ｔ ｒ ａ ｉ ｎ ｏ ｈ ｐ ｎ ｉ ｐ ｈｅ ｗｈ ｌ ｍａ ｅ Ｅｘ ｒｍｅ ｔ ｌ ｅ ｕ ｔ ｈ ｗ ｈ ｔｔ ｅ ｖ ｓ ａ ｆｅ ｔｏ ｔｒ ｏ ａ ｉ ｎ ａ ｇ ｒｔ ｍ ｓｍｕ ｈ ｂｅ ｅ ｈ ｈ ｆ ｅｂ ｌ ｅ ｒａ ｄ ｓ ｉ ｅａ ｇ ｒｔ ｍｓ ａ ｄ ｔ ｅ Ｐｅ ｋ ｐｅ ｉ ｎ ａ ｓ ｌｓｓ ｏ ｔ ａ ｈ ｉｕ ｌ ｆ ｃ ｆｉ ｅ ｌ ｔ ｌ ｏ ｉ ｒ ｅ ｎ ｐ ｏ ｈ ｉ ｃ ｔ ｒｔ ａ ｔ ａ ｏ ｉｉ ａ ｎ ｐｌ ｌ ｏ ｉ ｔ ｎ ｔ ｈ ｔ ｎ ｎ ｈ ，ｎ ａ ｈ
ｌ 概 述
图像插值 是数字 图像处理 中比较重要的应用 ，包括 图像 缩放、图像 检测及 图像增强技术等 ，广泛应用于视频监控、 远程医疗、图像 跟踪 等方面 。图像插值是利用原图像 已知像 素点 的灰度值按一定的算法来 产生新 的插值像素点 ，提高原 始 图像 的分辨率 。图像 插值 的关键在于要求插值后的图像清 晰度高、边缘轮廓突出。图像插值 的方法很多 ，传统的最近
导致边缘判定错误 。
基金项 目：国家 自然科学基金资助项 目（１７ ０ ） ６ ０ ５ ３
等于输入图像 中像素点 的个数 ，神经元与 图像像素点一一对 应。每个像素点的亮度输 入到对应 的神经元 的 Ｆ通道 ，同时 每个神 经元与其邻域 中的其他神经元相连 ，其 Ｌ通道接受邻 域中其他神经元 的输出。 若对 大小为 Ｍｘ Ｎ的图像进行处理 ，
步脉冲发放特性 ，获取 图像 的各个集群及点火路径，对集群 内和集群 间隙的像素采用不 同插值方法完成整幅图像 的插值 。实验结果表 明， 与双线性插值和三次 Ｂ样条插值 方法相 比，该算法在主观视觉效果方面有所改善 ，峰值信噪 比均获得 Ｏ２ｄ ． Ｂ以上 的提高 。
关健词 ：图像插值 ；脉冲耦合神经 网络 ；图像插值 ； 集群 ；视觉效果
Ｉ ａ ｅＩ ｔ ｒ ｌ ｔｏ ｇ ｒ ｔ ｍ ｇ ｎ ｅ ｐｏ ａ ｉ ｎＡｌ ｏ ｉｈｍ Ｂａ ｅ ｎ Ｐｕ ｓ ｕ ｅ ｕｒ ｌ ｔ ｏ ｋ ｓ ｄ ０ ｌｅＣｏ ｐｌ ｄ Ｎｅ ａ ｗ ｒ Ｎｅ
ＬＩ Ｃ ｈｕｎ ｍ ｅ，ＺＯ Ｕ Ｕ — ｉ Ｃｈｕａｎ ｙｕｎ， ＡＯ ｅ Ｘ Ｕ ｉ — Ｃ Ｗ ｎ， Ｌｅ
Ｓｇ ａ ｉ ａｉ（ Ｓ ｉｎ ｌｏＮｏｓ Ｒ ｔ Ｐ ＮＲ）ｓｎｒａｅ ｙｍｏｅｈ ． ｄ ． ｔ ｅ ｏ ｉｉｃｅｓｄｂ ｒ ａ ０２ Ｂ ｔｎ
［ ｙｗｏ ｄ ｌ ｉ ｇ ｔｒｏａ ｏ ； ｕｓ ｏ ｐｅ ｕａＮｅｗｏｋＰ Ｎ ；ｍａｅｉｔ ｏａｉｎ ｃｕｔｒｖｓａ ｆ ｃ Ｋｅ ｒ ｓ ｍａｅｉ ｅ ｌｉｎ Ｐ ｌｅ ｕ ｌｄＮｅ ｌ ｔ ｒ（ Ｃ Ｎ）ｉ ｇ ｅ ｌｔ ；ｌｓｅ； ｉ ｌ ｆ ｔ ｎｐ ｔ Ｃ ｒ ｎｒ ｐ ｏ ｕ ｅｅ ＤＯＩ １ ．９ ９ ．ｓ ． ０ —４ ８２ １．５０ ２ ： ０３ ６／ｉ ｎ１ ０３ ２ ．０ ２１ ．６ ｊｓ ０