Resumen

El pobre efecto de reducción de ruido para imágenes en escala de grises ruidosas con métodos de procesamiento tradicionales se obtendría bajo una condición de ruido fuerte, y algunos detalles de la imagen se perderían. En este artículo, se propuso un modelo de matriz paralela de neuronas FitzhughNagumo (FHN), que puede restaurar imágenes en escala de grises ruidosas de manera efectiva bajo condiciones de baja relación pico-señal a ruido (PSNR) y preservar mejor los detalles de la imagen. En primer lugar, se utilizó el método de escaneo de fila-columna para convertir la imagen en escala de grises 2D en una señal 1D, y luego la señal 1D se convirtió en una señal de modulación de amplitud de pulso binario (BPAM) mediante modulación de señal. La señal modulada se introdujo en una matriz paralela FHN para resonancia estocástica (SR). Finalmente, la señal de salida de la matriz se restauró a una imagen en escala

• Materias:Big Data Gestión de riesgos Administración de información Red neuronal Teoría de redes
• Subjects:Big Data Risk management Information management Neural network Network Theory
• Palabras claves:Efecto de reducción de ruido; Imágenes en escala de grises; Neuronas FHN; Condiciones de PSNR; Detalles de la imagen; Resonancia estocástica
• Keywords:Denoising effect; Grayscale images; FHN neurons; PSNR conditions; Image details; Stochastic resonance