RBF神经网络在雾天图像复原中的应用.pdfVIP

河北科技师范学院学报第29卷第2期，2015年6月 ofHebeiNormal of V01．29No．2 Joumal Jun．2015 UnivemityScience＆Technology DOI：10．3969／J．ISSN．1672-7983．2015．02．013 RBF神经网络在雾天图像复原中的应用 孙文华，查小红 (南昌工程学院网络信息中心，江西南昌，330099) 摘要：针对雾天图像的特点及传统算法复原效果的不佳，提出了一种基于RBF神经网络的雾天图像复原算 法。实验结果表明。该算法能够有效地提高图像清晰度和对比度，复原后的图像视觉效果碍到了明显改善。 关键词：雾天图像；图像复原；神经网络；RBF 中图分类号：TP391 文献标志码：A 文章编号：1672-7983(2015)02-0061-05 近年来，随着神经网络理论研究的发展，各种神经网络模型在图像处理领域也得到了广泛应用，其 中利用神经网络进行图像复原是最活跃的方向之一。神经网络算法与传统的算法相比具有很大的优越 性…，集中体现在以下几个方面：(1)具有较强的容错性、鲁棒性和联想记忆功能，即使在系统内部某些 处理单元损坏的情况下仍能进行最优化求解。(2)具有较强的泛化功能，既能够处理不完全的数据，又 能够处理带有噪声的数据。(3)具有自学习、自组织和自适应功能，至于输入数据和输出数据的内在联 系通过训练学习就可以找出来。(4)具有非线性映射功能，由于图像处理的很多问题都是非线性问题， 神经网络为处理这类问题提供了有用的工具。(5)具有高度并行处理能力，处理的速度远远快于传统 的处理算法，这一特性使它可以用于实时处理。 l 饼冤曹景 雾天图像通常来说包括2大类：一类是通常所说的下雾的天气拍摄的图像，另一类是雾霾天气拍摄 的图像。特别是第2类，随着经济的快速发展，环境污染也越来越严重，雾疆天气也变得越来越普遍。 但不管哪一类的雾天图像，其特点都是由于能见度不高，造成拍摄的图像也变得模糊不清，严重影响视 觉效果。随着科技的飞速发展，交通、航空、航海等领域的户外视频应用系统也越来越多，故进行雾天模 糊图像复原的研究变得非常有必要。 雾天图像能见度低、视觉效果不理想，究其原因无非是由于灰尘、水蒸气等大气粒子的散射作用。 根据大气粒子的散射原理，从光源来的光线照射到景物上，在景物上光线进行反射，但由于大气粒子的 干扰，光源来的人射光没有被完全反射，还有部分光通量被大气粒子吸收，导致到达观察者的入射光被 衰减。根据图像的成像原理，这种情况就相当于加强了较低灰度的图像，减弱了较高灰度的图像，致使 图像的对比度降低。 目前，对雾天图像进行复原的方法主要有2大类： (1)图像处理的方法呤j。此类方法就是运用图像增强对雾天图像进行技术处理，使其清晰化。传 统的图像增强算法主要进行2个方面的处理：一是抑制噪声，二是改变图像对比度。传统算法虽然要求 简单，实现容易，但需要用户较多的干预，另外，抑制噪声同时也削弱了图像细节部分，造成图像失真。 (2)大气退化物理模型的方法日J。此类方法需要做好前期准备工作，提前求得大气模型，然后根据 求得的大气模型得到复原后的估计图像。通过此方法来求得大气模型对图像数据采集要求非常严格， 需要借助精密仪器(如雷达等)来获取景物深度信息；然后借助景物的深度信息，以及图像数据得到模 型参数；最后把求得的模型参数和图像数据代人大气模型，从而得到复原后的估计图像。这种方法的缺 点就是模型参数不易得到，同时计算工作量非常大，实现起来比较困难。 基金项目：南昌工程学院青年基金项目(项目编号：2012KJ020)。 收稿日期：2015-02-28；修改稿收到日期：2015-06．18 万方数据 河北科技师范学院学报 29卷 2 RBF神经网络原理及算法实现 2．1 RBF神经网络原理 RBF神经网络H1是一种三层前馈神经网络，隐层单元采用径向基函数作为激励