神经网络报告

《神经网络报告》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、课程论文题目神经网络在图像处理中的应用院（系）信息学院专业电子科学与技术年级1002班学生姓名姚佳佳学号20102562指导教师王斐手机18809891296二O—三年五月神经网络在图像处理中的应用摘要近儿年，随着神经网络理论的深人研究，神经网络技术的并行性计算能力、非线性映射和自适应能力等优点得到了充分的认识，各种神经网络模型在图像处理领域屮得到了广泛的应用，本文对各利I流行的神经网络模型在图像处理领域屮的应用进行了汇总，根据图像处理的具体内容对这些应用进行分类叙述，阐明了神经网络技术在图像处理领域中的优点和不足之处，并对将来神经网络技术在图像处

2、理领域中的应用提出了几点期望。关键词:神经网络；图像重建；图像复原；图像增强；图像压缩；图像分割；特征提取；图像识别1引言错误！未定义书签。2图像处理中常用神经网络的类型错误！未定义书签。2.1Hopfield神经网络12.2BP网络12.3自组织网络22.4小波网络22.5细胞神经网络22.6模糊神经网络23神经网络在图像处理中的应用33.1图像预处理33.1.1图像复原33.1.2图像增强43.1.3图像重建43.2图像压缩43.2.1预测编码43.2.2变换编码43.2.3矢量量化53.3特征提取52.4图像分割63.5图像识别74结论和展望

3、8参考资料111、引言随着科学技术，特別是信息技术的发展，图像处理技术已经成为科学研究不可缺少的强有力工具，传统的图像处理方法无法满足需要，研究人员开始探索新的更有效的方法，其小利用神经网络进行图像处理是最活跃的方向，神经网络算法比起传统的算法表现出了很大的优越性，这主要表现在：（1）高度并行处理能力，处理的速度远远高于传统的序列处理算法；（2）具有自适应功能，能够根据学习提供的数据样本找出和输出数据的内在联系；（3）非线性映射功能，图像处理很多问题是非线性问题，神经网络为处理这些问题提供了有用的工具；（4）具有泛化功能，能够处理带有噪声的或不完全

4、的数据。最初，人工神经网络是作为模式识别分类器和聚类技术在图像处理领域屮得到应用的，然后随着神经网络理论的进一步研究，神经网络的特点得到充分的认识，在图像处理的各个领域得到了充分的应用，如印刷体和手写字符识别、语音识别、指纹、人脸识别、图像压缩复原等。下面将着重阐述神经网络在图像处理领域的应用现状和前景，并进一步分析现有用于图像处理的神经网络技术的优缺点。2•图像处理中常用神经网络的类型（Neuralnetworksappliedinimageprocessing）人工神经网络（ArtificialNeuralNetwork,简称ANN）是［tl人

5、规模神经元互联组成的高度非线性动力学系统，是在认识、理解人脑组织结构和运行机制的基础上模拟其结构和智能行为的一种工程系统，神经网络的基础理论和发展在这里不进行叙述，读者可以查看相关的资料，下面简单介绍一下图像处理屮常用的神经网络模型，2.1Hopfield神经网络Hopfield神经网络是一种动态网络，该网络主要用于联想记忆和优化计算，如果我们能把某个待研究解决的问题化成一个Hopficld计算能量函数，且使这个计算能量函数的最小极值正好对应于一定约束条件下的问题解答时，那么这个问题就可以利用Hopfield网络来求解了，Hopfield网络在图像

6、边缘检测、图像模式匹配和识别等图像处理方面应用比较多。2.2BP网络BP神经网络是-•种采用反向传播算法的多层前馈网络，能够逼近任意的卄线性映射关系，而口有很好的泛化能力，在图像处理领域中，作为一种非自适应的神经网络技术应用非常广泛。2.3自组织网络自组织网络是一种非监督学习神经网络，这种网络的学习目的是从一组数据中提取有意思的特征或某种内在的规律性（分布特征或按某种目的聚类），自组织性神经网络根据学习算法可以分为两类：（1）主元分析神经网络（PrincipalComponentA-nalysisNeuralNetwork,简称PCA神经网络），这

7、类网络能够抽取输人向量的主特征向量，并使输人输出数据在均方差意义下为最优，主要用于图像压缩和特征抽取；（2）基于kohonen的自组织特征映射算法的神经网络（Self-organizingFeatureMapNeuralNetwork,简称SOFM神经网络），此类网络对输入的数据有“聚类”作用，可起到数据压缩的作用，同时乂具有特征抽取的作用，同样应用于图像压缩和特征提取。2.4小波网络小波网络起源丁小波分解，是近年来在小波分析研究获得突破的基础上提出的一种前馈型网络，小波网络是将常规单隐层神经网络的隐节点函数由小波函数代替，和应的输人层到隐层的权值

8、及隐层阀值分别由小波函数的尺度与平移参数所代替，继承了小波变换和神经网络两者的优点，具有良好的函数逼近能力和模式识别分类能