基于感知神经网络图像恢复的的研究

《基于感知神经网络图像恢复的的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于进化形态神经网络的图像恢复何春梅（华东交通大学信息工程学院,江西南昌330013）摘要：本文提出了进化形态神经网络的概念，给出了进化形态神经网络的误差能量函数关于连接权值的非连续偏导数的计算方法，进而给出了网络连接权值的调整计算公式，之后为进化形态神经网络提出了一种新的学习算法，用遗传算法获取参数学习率的最优值，最后将训练好的进化形态神经网络用于脉冲噪声图像恢复，仿真实验表明该进化形态神经网络在图像恢复方面具有良好的潜力。关键词：形态神经网络；图像恢复；学习算法；遗传算法中图法分类号TP183ImagerestorationbasedonEvolutionalmorphologica

2、lneuralnetworksChun-meiHe(SchoolofInformationEngineering,EastChinaJiaotongUniversity,Nanchang330013,China)Abstract:TheconceptofEvolutionalmorphologicalneuralnetworks(EMNNs)isintroducedinthispaper.Thepartialderivativesformulasofthediscontinuederrorfunctionsandtheadjustingcomputationoftheweightsint

3、heEMNNsareproposed.Andanewlearningalgorithmispresentedforgeneticmorphologicalneuralnetworks.ThentheEMNNsareproposedandappliedtorestoretheimpulsenoiseimages.ThesimulationexperimentsshowsthattheimagerestoredbytheproposedEMNNsisquitegoodandtheproposedmethodcanbewellappliedintoimagerestoration.Keywor

4、ds:morphologicalneuralnetwork;imagerestoration;learningalgorithm;Geneticalgorithm1引言人工神经网络和形态学结合产生了形态神经网络[1-9](MorphologyNeuralNetworks,MNN)，MNN的概念来自图像代数[5]，在MNN中每个神经元节点都执行相应的形态学算子。MNN已广泛应用于图像恢复中，文[1]提出了用遗传算法训练模块化形态神经网络（ModularMorphologicalNeuralNetwork,MMNN）的参数，包括内部权值、网络结构和模块的数目，并将训练好的MNNN用于灰度图像

5、的恢复和边缘检测；文[2]提出了一种由形态秩滤波器和线性滤波器组合而成的非线性滤波器用于灰度图像恢复和辨识，其中滤波器的训练采用的学习算法是最小均方差算法。文[3,4]提出将多层形态神经网络(Multi-layerMorphologicalNeuralNetwork,多层MNN)用于彩色图像的恢复，将彩色图像看成是RGB三通带的灰度分量图像组合而成，实质也是灰度图像处理，仍然采用最小均方差算法训练多层MNN的权值。可见上述文献中，对于MNN的训练算法多数采用的是最小均方差算法，其算法中学习率和动量因子都是固定的，不具有自适应性，而且学习率的设置需人工设置，设置不当可能导致算法振荡或者不收

6、敛。本文将一种进化算法：遗传算法和多层MNN结合形成进化形态神经网络，进化7形态神经网络的拓扑结构和计算基础和形态神经网络一样，不同的是其训练学习过程。在进化形态神经网络的学习训练中，本文基于遗传算法为网络提出一种新的学习训练算法，并将训练好的进化形态神经网络用于脉冲噪声图像的恢复，用于图像处理的神经网络模型众多，如Hopfield神经网络[10]和混沌神经网络[10]、模糊神经网络[11]、脉冲耦合神经网络[12]和形态神经网络[1-4]等，本文将所提出的进化形态神经网络进行图像恢复，仿真效果良好，为今后图像恢复提供了一种新的实用途径。2进化形态神经网络(EMNN)的数学基础基于格代数

7、的矩阵算子被广泛地应用到工程科学中。在这些应用中，传统的矩阵加法和乘法算子被相应的格代数算子所代替。将格代数引入到矩阵算子中产生了一类完全不同的非线性变换的观点。以格代数的矩阵算子为基础形成的MNN最初是由Ritter和Davidson等人[6-8]提出的。进化形态神经网络和多层MNN的计算基础大体一样，对此本节加以简单介绍。在一般的人工神经网络中，第m层节点j的输入输出关系为：(1)而在进化形态神经网络中，(1)式中加法和乘法运算