基于粒子群优化算法的BP神经网络图像复原
【摘要】：提出了一种基于粒子群优化算法的BP神经网络图像复原方法。BP神经网络具有很强的学习和泛化能力,可避免传统复原方法对先验知识的依赖性,粒子群算法的全局寻优能力弥补了BP算法对初始权值敏感、收敛速度慢和易陷入局部极小值等问题,将两者结合形成PSO-BP算法,使得图像复原的难度大大下降。实验表明,该方法对模糊图像的复原性能很好,收敛速度快,在视觉和定量分析上都获得了较好的效果。
|
|
|
|
| 1 |
张鲁江,付忠良;退化模型未知的图像复原方法[J];计算机应用;2001年01期 |
| 2 |
于大勇,袁祥岩,高万荣,陶纯堪;最大后验方法在图像复原中的应用[J];应用光学;2002年05期 |
| 3 |
汪雪林,赵书斌,彭思龙;基于小波域隐马尔可夫树模型的图像复原[J];计算机学报;2005年06期 |
| 4 |
付炜;刘志文;;高斯型点扩展函数估计及图像复原[J];计算机工程与应用;2007年36期 |
| 5 |
蒋伟;胡学刚;;一种基于偏微分方程的图像复原新模型[J];计算机工程与应用;2008年14期 |
| 6 |
吴淑艳;黄继风;闵瑞隽;;一种基于边界处理的图像复原方法[J];微计算机应用;2008年07期 |
| 7 |
陈金林;李宁;;图像复原的一种改进算法[J];重庆科技学院学报(自然科学版);2009年05期 |
| 8 |
刘莉;谭吉春;;分数域图像混合噪声盲复原方法[J];国防科技大学学报;2011年03期 |
| 9 |
陈小蔷,张俊,吴乐南;基于Neumann边界条件的图像局部复原[J];信号处理;2004年04期 |
| 10 |
宋芬,郁春江,松井申之;Complex Valued BP NN和Real BP NN应用于图像复原的比较[J];计算机工程与应用;2005年11期 |
| 11 |
马而昉;李金宗;黄建明;;基于独立成分分析的盲目图像反降晰[J];计算机应用;2006年07期 |
| 12 |
王宇;何小海;;改进的Hopfield网络图像复原[J];计算机工程;2007年17期 |
| 13 |
解凯;;超分辨率图像复原技术综述[J];北京印刷学院学报;2007年06期 |
| 14 |
黄琦;张国基;唐向京;;基于霍夫变换的图像运动模糊角度识别法的改进[J];计算机应用;2008年01期 |
| 15 |
陈湘凭;杨大磊;陈玺;;图像的运动模糊复原技术研究[J];计算机与数字工程;2008年08期 |
| 16 |
王芳;;一种新的最小二乘法图像复原算法的研究[J];包装工程;2008年12期 |
| 17 |
李青峰;胡访宇;;利用BP神经网络实现监控图像盲复原[J];计算机仿真;2009年05期 |
| 18 |
崔旭东;董维申;刘瑞根;;图像的盲目复原方法[J];爆轰波与冲击波;2000年03期 |
| 19 |
周生兵;倪国强;刘琼;;基于频域收缩的Quincunx小波变换复原算法[J];吉林大学学报(信息科学版);2006年06期 |
| 20 |
肖潇;杨国光;白剑;;基于最优参数的全景图像三次样条插值复原[J];红外与激光工程;2007年05期 |
|
手机打开
快捷付款方式
订购知网充值卡
订购热线
帮助中心