基于混合神经网络的图像复原方法

被引：18

作者：

兰妙萍 ^{[1
]}

李朝锋 ^{[1
,2
]}

机构：

[1] 江南大学物联网工程学院

[2] 江南大学轻工过程先进控制教育部重点实验室

来源：

计算机工程与应用 | 2018年 / 54卷 / 09期

关键词：

图像复原; 混合神经网络; 卷积神经网络; 映射关系; 反向传播(BP)神经网络;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算]; TP391.41 [];

学科分类号：

140502 [人工智能];

摘要：

针对传统图像复原方法对先验知识的依赖性问题,提出一种基于混合神经网络的图像复原方法。混合神经网络由卷积神经网络(Convolutional Neural Network)与BP神经网络组成。首先,通过训练卷积神经网络初步建立退化图像与真实图像之间的非线性映射关系,再利用训练好的卷积网络模型提取特征向量作为BP神经网络的输入。最后,通过训练BP神经网络实现图像复原。实验表明,该方法具有较高可行性,在小尺度的模糊核上的复原效果优于现有方法。

引用

页码：201 / 206

页数：6

共 4 条

[1]

Image database TID2013: Peculiarities; results and perspectives.[J].Nikolay Ponomarenko;Lina Jin;Oleg Ieremeiev;Vladimir Lukin;Karen Egiazarian;Jaakko Astola;Benoit Vozel;Kacem Chehdi;Marco Carli;Federica Battisti;C.-C. Jay Kuo.Signal Processing: Image Communication.2015,

[2]

Image Restoration by Using New AGA Optimized BPNN.[J].Umar Farooq;Shen Ting-Zhi;Zhao San-Yuan;Muhammad Imran.Procedia Engineering.2012,

[3]

A New Fast Iterative Blind Deconvolution Algorithm.[J].Usama S. Mohamed;Omar F. Fahmy;Mamdouh F. Fahmy;Gamal M. Abdel Raheem.Journal of Signal and Information Processing.2012, 01

[4]

运动模糊图像的维纳滤波复原研究 [J].

周玉 ;

彭召意 .

计算机工程与应用 , 2009, (19) :181-183

← 1 →