基于模糊神经网络的图像恢复技术

通过分别引入输入与输出空间的合理剖分,定义了一种新的模糊神经网络（FNN）,即选择型FNN,该系统是一种多层前向网络,在最大模意义下构成一类函数泛逼近器.基于一组具有实际意义的模糊推理规则,得出了一个简单实用的推理型FNN.利用选择型FNN与推理型FNN的有机结合,得到FNN滤波器,它不仅结构简单,易于设计参数学习算法,而且能同时有效去除图像信号中的脉冲噪声和保持图像结构.实验结果表明,与其他滤波器（如:中值滤波,自适应加权模糊平均（AWFM）滤波等）相比,FNN滤波器在去除各种噪声,保持图像未污染部分结构等方面性能卓越.