基于卷积神经网络的图像复原
合集下载
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
什毕业设计
基于卷积神经网络的图像复原技术
摘
要
数字图像的处理就是将图像的信号转换成为数字格式， 并用计算机进行加工 和处理的过程。 图像复原是数字图像处理领域一个重要的研究方向，它是指去除 或减轻在数字图像过程中发生的图像质量下降(退化)， 这些退化包括由光学系统、 运动等造成的图像模糊， 以及源自电路和光度学因素的噪声。图像复原的目标是 对退化的图像进行处理， 使它趋向于复原成没有退化的理想图像，图像数字化包 括量化和取样。 图像复原的基本思路： 预先建立图像退化的数学模型，然后对退化图像进行 拟合。 图像的复原模型可以用连续数学和离散数学处理，预处理项的实现可在空 间域卷积，或在频域相乘。 经典的图像复原方法有逆滤波法、卡尔曼滤波法。奇异值分解伪逆法、最大 熵复原法等等， 这些要么面临着高维方程的计算问题，要么要求恢复过程必须满 足广义平稳过程假设， 这些大大降低了图像复原广泛的应用。而神经网络以其强 大的自学习、 强鲁棒性、 自适应性以及并行处理方面的优势被广泛运用到各个领 域。 本文从卷积神经网络的基本概念和算法出发，深入研究卷积神经网络理论， 旨在传统的神经网络结构基础上改进其固定结构， 并基于此理论算法进一步开展 图像复原的深入研究。 (1)首先，简单介绍人工神经网络与卷积神经网络国内外研究现状以及其 基本概念和基本原理， 阐述其基本结构和网络参数，指出目前卷积神经网络的优 缺点。 (2)为了验证卷积神经网络对图像复原的优越性，本文将列举一些传统图像 复原前后图片以突出卷积神经网络的优越， 此外设计了适应本系统的卷积核和激 励函数。 并通过实验证明了卷积神经网络比传统模式识别方法更高效的识别性能。 (3)针对传统卷积神经网络缺乏对于具体问题的网络配置设计理论，网络 设计常常按具体问题根据经验来设计，然而其结构均由人工实现设定的，其神
结束语 ........................................................... 20
致谢 .............................................................................................................................................................. 22
第二章
人工神经网络与卷积神经网络 ................................ 4
2.1.神经网络的基本结构 .................................................................................................................. 4 2.2 BP 神经网络模型 .......................................................................................................................... 6 第三章 卷积神经网络的介绍 ............................................................................................................. 8 3.1 卷积神经网络介绍 ………………………………………………………………… 10 3.2 卷积神经网络原理……………………………………………………………………11 3.3 实现卷积神经网络的具体算法………………………………………………………13 3.4 通过卷积神经网络复原的图像对比引用…………………………………………..21
参考文献 ......................................................... 23
3
什毕业设计
第一章
1.1 图像分类研究现状
绪论
图像是人们对于客观景象、 事物以及人们的想象、 思维的一种记录和描述， 是人类用来表达和传递信息的一种重要手段，它包含了所表达物体的描述信息 特征。图像处理指的是对信息图像进行加工，来达到满足人的心理、视觉和在 实际应用的需要。随着社会科技的不断进步与发展，图像处理广泛的运用在社 会各个行业、各个领域当中。为了方便从图像中获取更多有用的图像信息，进 一步提高的图像质量，人们不断努力和探索，研究数字图像中的显示、数据传 输和存储等方法。 图像复原过程首先要求对图像降质成因要有一定的了解，根据降质的过程， 建立降质模型。然后采用一些滤波的方法，恢复或者重建原有的图像。比较典 型的图像复原的方法：卡尔曼滤波法、逆滤波法、最大嫡复原法、奇异值分解 伪逆法、维纳滤波法等等。但这些传统的经典图像复原方法或存在需要有关较 多图像的先验知识，或者需要劣化图像满足广义平稳过程以及周期边界条件的 假定等，或需要知道非劣化图像的相关函数和功率谱特性，或面临计算高度复 杂性等一些问题， 从而使得图像复原技术和方法没有得到广泛地应用。 近年来， 图像处理领域出现了许许多多新的方法，如小波理论、神经网络技术、偏微分 方法、图割理论等，为图像复原的研究和发展提供了新的思路与方向。
1
什毕业设计
经元数目、 连接数均是固定的而不能进行任何调节的问题。本文提出了一个动态 生长的卷积神经网络结构，使其自动找到适合于应用需求的合理结构。此外，针 对卷积神经网络中存在的过多的训练反而令识别性能下降的过拟合问题， 本文采 用一个主动的样本学习方法来构造有效的训练集。 结合这两种方法通过实验验证 了其能比传统的卷积神经网络取得更好的效果。
关键词：卷积神经网络；图像复原、主动样本学习方法
ABSTRACT百度文库
2
什毕业设计
第一章
绪论 ...................................................... 4
1.1 图像分类研究现状....................................................................................................................... 4
基于卷积神经网络的图像复原技术
摘
要
数字图像的处理就是将图像的信号转换成为数字格式， 并用计算机进行加工 和处理的过程。 图像复原是数字图像处理领域一个重要的研究方向，它是指去除 或减轻在数字图像过程中发生的图像质量下降(退化)， 这些退化包括由光学系统、 运动等造成的图像模糊， 以及源自电路和光度学因素的噪声。图像复原的目标是 对退化的图像进行处理， 使它趋向于复原成没有退化的理想图像，图像数字化包 括量化和取样。 图像复原的基本思路： 预先建立图像退化的数学模型，然后对退化图像进行 拟合。 图像的复原模型可以用连续数学和离散数学处理，预处理项的实现可在空 间域卷积，或在频域相乘。 经典的图像复原方法有逆滤波法、卡尔曼滤波法。奇异值分解伪逆法、最大 熵复原法等等， 这些要么面临着高维方程的计算问题，要么要求恢复过程必须满 足广义平稳过程假设， 这些大大降低了图像复原广泛的应用。而神经网络以其强 大的自学习、 强鲁棒性、 自适应性以及并行处理方面的优势被广泛运用到各个领 域。 本文从卷积神经网络的基本概念和算法出发，深入研究卷积神经网络理论， 旨在传统的神经网络结构基础上改进其固定结构， 并基于此理论算法进一步开展 图像复原的深入研究。 (1)首先，简单介绍人工神经网络与卷积神经网络国内外研究现状以及其 基本概念和基本原理， 阐述其基本结构和网络参数，指出目前卷积神经网络的优 缺点。 (2)为了验证卷积神经网络对图像复原的优越性，本文将列举一些传统图像 复原前后图片以突出卷积神经网络的优越， 此外设计了适应本系统的卷积核和激 励函数。 并通过实验证明了卷积神经网络比传统模式识别方法更高效的识别性能。 (3)针对传统卷积神经网络缺乏对于具体问题的网络配置设计理论，网络 设计常常按具体问题根据经验来设计，然而其结构均由人工实现设定的，其神
结束语 ........................................................... 20
致谢 .............................................................................................................................................................. 22
第二章
人工神经网络与卷积神经网络 ................................ 4
2.1.神经网络的基本结构 .................................................................................................................. 4 2.2 BP 神经网络模型 .......................................................................................................................... 6 第三章 卷积神经网络的介绍 ............................................................................................................. 8 3.1 卷积神经网络介绍 ………………………………………………………………… 10 3.2 卷积神经网络原理……………………………………………………………………11 3.3 实现卷积神经网络的具体算法………………………………………………………13 3.4 通过卷积神经网络复原的图像对比引用…………………………………………..21
参考文献 ......................................................... 23
3
什毕业设计
第一章
1.1 图像分类研究现状
绪论
图像是人们对于客观景象、 事物以及人们的想象、 思维的一种记录和描述， 是人类用来表达和传递信息的一种重要手段，它包含了所表达物体的描述信息 特征。图像处理指的是对信息图像进行加工，来达到满足人的心理、视觉和在 实际应用的需要。随着社会科技的不断进步与发展，图像处理广泛的运用在社 会各个行业、各个领域当中。为了方便从图像中获取更多有用的图像信息，进 一步提高的图像质量，人们不断努力和探索，研究数字图像中的显示、数据传 输和存储等方法。 图像复原过程首先要求对图像降质成因要有一定的了解，根据降质的过程， 建立降质模型。然后采用一些滤波的方法，恢复或者重建原有的图像。比较典 型的图像复原的方法：卡尔曼滤波法、逆滤波法、最大嫡复原法、奇异值分解 伪逆法、维纳滤波法等等。但这些传统的经典图像复原方法或存在需要有关较 多图像的先验知识，或者需要劣化图像满足广义平稳过程以及周期边界条件的 假定等，或需要知道非劣化图像的相关函数和功率谱特性，或面临计算高度复 杂性等一些问题， 从而使得图像复原技术和方法没有得到广泛地应用。 近年来， 图像处理领域出现了许许多多新的方法，如小波理论、神经网络技术、偏微分 方法、图割理论等，为图像复原的研究和发展提供了新的思路与方向。
1
什毕业设计
经元数目、 连接数均是固定的而不能进行任何调节的问题。本文提出了一个动态 生长的卷积神经网络结构，使其自动找到适合于应用需求的合理结构。此外，针 对卷积神经网络中存在的过多的训练反而令识别性能下降的过拟合问题， 本文采 用一个主动的样本学习方法来构造有效的训练集。 结合这两种方法通过实验验证 了其能比传统的卷积神经网络取得更好的效果。
关键词：卷积神经网络；图像复原、主动样本学习方法
ABSTRACT百度文库
2
什毕业设计
第一章
绪论 ...................................................... 4
1.1 图像分类研究现状....................................................................................................................... 4