一种基于RBF神经网络的图像处理方法

论文摘要

近年来,图像工程已经成为人们研究的焦点和热点,尤其是数字图像处理,在军事、公共安全等领域占有重要的地位,数字化的图像在传输过程中经常容易受到各种各样的噪声的污染,使图像质量降质、退化。有很多滤波手段,诸如标准中值滤波器、边缘检测中值滤波器、多状态中值滤波器、改进的具有判断功能的中值滤波器等,但是,传统方法在处理图像的时候在各个方面有着很多的不足。因此,找到尽可能的滤除噪声,并保护图像细节,同时减少计算量和加快运算速度的滤波方法具有重要的意义,人工神经网络卓越的高速并行计算能力和自适应训练并学习能力完全可以满足以上的要求。由于传统的中值滤波手段会导致图像细节被破坏,为了解决这个问题,本文做了以下工作：1、介绍了神经网络的基本要素、网络拓扑结构特性以及不同网络拓扑结构下的工作特性。综述了BP神经网络、RBF神经网络、Hopfield神经网络的网络拓扑结构及算法,指出了神经网络的发展现状,并以此为理论依据提出了一种基于RBF神经网络的图像处理方法。2、设计一个基于RBF神经网络的噪声判别器,配合中值滤波器,通过噪声判别器判定噪声点加以滤除,图像细节得到了更好的保护。3、以一个非线性函数为例,对该函数进行回归验证,得到当样本数取值范围为300～400时,RBF神经网络可以高精度逼近该函数且计算量适中的结论。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 课题的背景与意义
• 1.2 数字图像处理的一些基本概念
• 1.3 国内外发展现状
• 1.4 本论文的主要内容
• 第二章 现代图像处理方法
• 2.1 标准中值滤波器
• 2.2 边缘检测中值滤波器
• 2.3 多状态中值滤波器
• 2.4 改进的具有判断功能的中值滤波器
• 2.5 本章小结
• 第三章 神经网络介绍
• 3.1 人工神经网络的发展及研究现状
• 3.2 神经元模型和神经网络的网络结构
• 3.3 常用的神经网络模型
• 3.4 本章小结
• 第四章 一种基于RBF神经网络的图像处理方法
• 4.1 引言
• 4.2 基于RBF神经网络的图像处理方法
• 4.3 本章小结
• 第五章 结论
• 致谢
• 参考文献
• 附录