Journal de génie informatique et des technologies de l'information

Application parallèle améliorée du réseau neuronal couplé par impulsions pour la détection des contours dans le traitement d'images

Arsham Abedini, Aref Miri et Alireza Maleki

La détection des contours est la base de la plupart des applications de traitement d'images. Il existe différentes méthodes classiques pour effectuer la détection des contours, telles que l'opérateur Canny. Le principal défaut de ces méthodes est qu'elles ne sont pas flexibles. Un réseau neuronal couplé par impulsions (PCNN) est proposé sur la base d'un modèle de neurone afin de fournir cette flexibilité dans les applications de traitement d'images. Cette flexibilité est due à la présence de nombreux paramètres qui peuvent être ajustés pour différentes images afin d'atteindre une performance acceptable. D'autre part, atteindre une performance efficace repose sur la spécification correcte de tous ces paramètres, ce qui est très difficile. De ce fait, des modèles simplifiés de PCNN sont présentés. Dans cet article, nous proposons une structure parallèle basée sur un modèle simplifié afin d'effectuer une détection efficace des contours. Nous définissons également les paramètres de ce modèle de manière auto-adaptative. Dans les résultats de simulation, nous comparons les performances de détection des contours de notre algorithme proposé à d'autres méthodes. Ces résultats montrent que notre algorithme a de meilleures performances en termes de suppression du bruit et de détection efficace des contours.