BEMD和狼群算法的自适应PCNN图像去噪方法

来源：计算机应用与软件杂志2025年第4期北京时间：

作者：杨虹, 晋涛, 申冲, 米康民, 黄纯德, 刘永鑫

摘要：提出一种二维经验模态分解（Bidimensional Empirical Mode Decomposition，BEMD）和狼群算法（Grey Wolf Optimization，GWO）自适应脉冲耦合神经网络（Pulse Coupled Neural Network，PCNN）的复合图像去噪方法。通过BEMD将原始图像分解成多个二维固有模态函数分量和一个残余分量，用狼群算法对PCNN参数进行优化，对分解的各个分量进行去噪，并将去噪后的各分量进行重建得到去噪后的图像。主要优点包括：（1）有效确定PCNN关键参数，提高模型收敛速度；（2）有效解决高强度噪声的抑制问题；（3）通过对噪声点进行隔离并恢复原始像素点，最终使得图像细节信息得以完整保留。

关键词：图像去噪, 脉冲耦合神经网络, 狼群算法, 二维经验模态分解