0 引 言
随着计算机科学技术的发展，神经网络的理论和方法得到了进一步的发展。如形态联想记忆网络 MAM… ，保证了联想在一步之内完全联想记忆，具有无限存储能力。文献[2]中，提出了一种新颖的 口联想记忆网络。它能够很好地应用于含单一噪声二值图的噪声处理，比如单一的膨胀或者腐蚀噪声。但是该方法的一大缺陷是无法应用于灰度图和彩图。为此，文献[3]在的基础上提出了灰度图的分解方法，成功地把 口联想记忆网络应用到了灰度图当中，但该方法仍无法处理含随机噪声的灰度图。文献[4]中提出了动态核的形态联想记忆网络方法，利用动态核的方法能够广泛地应用于含随机噪声二值图的处理，但它在处理灰度图时，也有一个缺陷，就是很难成功地寻找到符合条件的动态核。而在二值图中，寻找动态核就比较容易。考虑到以上方法的优缺点，提出了动态核的口灰度图分解联想算法和动态核的口彩图分解联想算法，不仅解决了灰度图寻找动态核难的问题，而且也使得口联想记忆网络能够很好地处理含随机噪声的图像。