基于神經網絡的數字圖像恢復方法研究.pdf

1、圖像濾波和恢復是圖像處理的一部分，近幾年來一直是人們研究的焦點和熱點，它在數字圖像處理過程中占有非常重要的地位，被廣泛應用于衛(wèi)星遙感圖像、醫(yī)用圖像處理、軍事、公安等等與國民經濟密切相關的各種領域。圖像在獲取和傳輸的過程中，圖像傳感器的失真以及傳輸信道中的各種干擾，都會帶來大量的噪聲，使圖像降質、退化。椒鹽噪聲就是其中最常見、最典型的一種，本文研究的圖像恢復方法主要是針對的噪聲形式是椒鹽噪聲。
　　圖像恢復有很多經典方法，像逆濾波法

2、、維納濾波法、最大熵恢復、迭代盲反卷積等。然而，傳統(tǒng)方法在解決函數逼近問題時存在著不足，神經網絡是一種大規(guī)模非線性系統(tǒng)，因為其高速的并行計算能力、魯棒性和自適應學習能力在這方面顯示出優(yōu)勢。
　　模糊集合理論模仿了人腦可以理解由感知器官提供的不精確和不完整的傳感信息的功能，并且由于模糊系統(tǒng)與神經網絡在功能和結構上有很多相似與互補之處，它們能夠很好地結合在一起組成模糊神經網絡，從而拓寬各自的應用領域。
　　傳統(tǒng)的椒鹽噪聲濾除方法

3、通常會導致圖像細節(jié)上的模糊，鑒于此，本文提出了兩種基于神經網絡的圖像恢復方法，一種是RBF神經網絡的圖像恢復方法，另一種基于模糊神經網絡的圖像恢復方法。基于RBF神經網絡的圖像恢復方法是利用了神經網絡具有很好的模式分類的性能，構造了一個噪聲識別器，能夠有效地檢測出圖像中被噪聲污染的像素，從而較好的保護了圖像的細節(jié)，改善了圖像恢復的效果?；谀：窠浘W絡的圖像恢復方法是一種利用模糊神經網絡對邊緣圖像、中值濾波圖像和退化圖像進行圖像數據融合