针对传统图像去噪方法易使图像模糊和丢失边缘信息等问题,根据煤矿井下视频图像光度不均、噪声较大的特点,提出采用基于改进的简化脉冲耦合神经网络对煤矿井下图像进行去噪处理。对简化的脉冲耦合神经网络模型中神经元连接强度β的选取方法进行改进,使β依赖于图像像素灰度值,从而更加有效地去除椒盐噪声;对动态门限的衰减时间常数αE的选取方法进行改进,使αE依赖阈值输出的放大系数vE,减少整个模型的参数,并通过实验选取vE值。实验结果表明,与传统的中值滤波、均值滤波方法相比,基于改进的简化脉冲耦合神经网络的去噪方法

针对脉冲耦合神经网络（PCNN）的降噪效果差和参数不确定性的问题，提出了一种采用灰狼优化（GWO）和二维经验模态分解（BEMD）优化的自适应PCNN的混合图像去噪方法。 ）， 被表达。 BEMD用于将原始图像分解为多层图像分量。 在运行GWO以完成PCNN参数优化之后，使用自适应PCNN滤波方法来补救与不同图像分量相对应的污染噪声点，然后可以从中获得去噪图像分量的重构。 通过对图像去噪结果的分析，提出的方法的主要优点如下：（i）该方法有效地解决了由关键的PCNN参数确定问题引起的缺陷； （ii）

基于脉冲耦合神经网络,提出了一种有效的椒盐噪声图像滤波算法。首先利用PCNN相似群神经元同步发放脉冲的特性检测噪声,并给出了神经元参数的估计方法。然后考虑到噪声点应和最近的非噪声点最相似,提出了一种扩展窗口中值滤波算法对噪声点进行滤波。仿真表明,本文提出的方法对不同强度的噪声图像均体现了优异的滤波性能,和相关的中值滤波算法相比也体现了相当明显的优势。