《提取伪色彩图像信息.docVIP

提取伪彩色图像的信息 ?由于人眼对彩色比较敏感，所以灰度图像常常使用伪彩色来显示，方便人眼对重要特征的识别，如下图 load flujetimage(X)colormap(jet) ? colormap(gray) ???同样一幅灰度图，伪彩色和灰度展示给人的信息是不一样的，明显从伪彩色图中能看到更多信息。 ? ???而有时候需要从已得的伪彩色图中提取灰度值信息，这貌似没有专门的函数实现，需要自己根据灰度转伪彩色的过程逆向实现，但灰度转伪彩色根据不同的伪彩色类型又有不同的算法，这就麻烦了。而且即使知道了算法，伪彩色图可能受到了加亮处理或者其他，使转化规律又变了，这就更麻烦了... ???想到可以用神经网络等一些智能算法来实现，如下图为一个伪彩色图，需要提取其实际灰度信息 ???这张图很好，右边正好有个伪彩色与灰度的对应关系图，所以根据此信息就可以推断原图中相应的彩色的灰度值。所以用神经网络的思路就很清楚了，利用右边的颜色条构造训练样本，训练神经网络后，用其对原图中的彩色值作为输入得到网络的预测输出，从而得到灰度值。 ???这里正好复习一下神经网络的matlab用法，使用了BP神经网络和RBF神经网络。 ? BP神经网络 ???先来看BP神经网络，之前曾经对它有比较系统的研究，时间久了就忘了，这里回忆一下其在matlab中的用法，参考网址/forum.php?mod=viewthreadtid=163408 ? ???BP神经网络属于前向网络。以下为创建BP神经网络的方法及参数意义 （1）net=newff（P,T,S）或者net = newff(P,T,S,TF,BTF,BLF,PF,IPF,OPF,DDF) P：输入参数矩阵。(RxQ1) T：目标参数矩阵。(SNxQ2) S：N-1个隐含层的数目（S（i）到S（N-1）），输出层的单元数目取决于T，默认为空矩阵。 TF：相关层的传递函数，默认隐含层为tansig函数，输出层为purelin函数。 BTF：BP神经网络学习训练函数，默认值为trainlm函数。 BLF：权重学习函数，默认值为learngdm。 PF：性能函数，默认值为mse。 IPF，OPF，DDF均为默认值即可。 （2）传递函数 purelin 线性传递函数 tansig 正切 S 型传递函数 logsig 对数 S 型传递函数 ????隐含层和输出层函数的选择对BP神经网络预测精度有较大影响，一般隐含层节点转移函数选用 tansig函数或logsig函数，输出层节点转移函数选用tansig函数或purelin函数。 （3）学习训练函数 神经网络的学习分为有导师学习和无导师学习。 最速下降BP算法：traingd 动量BP算法：traingdm 学习率可变的BP算法：trainda（学习率可变的最速下降BP算法）；traindx（学习率可变的动量BP算法） 弹性算法：trainrp 变梯度算法：traincgf（Fletcher-Reeves修正算法） ????????????traincgp（Polak_Ribiere修正算法） ????????????traincgb（Powell-Beale复位算法） ????????????trainbfg（BFGS 拟牛顿算法） trainoss（OSS算法） trainlm（LM算法） 参数说明：通过net.trainParam可以查看参数 ????Show Training Window Feedback???showWindow: true ????Show Command Line Feedback showCommandLine: false ????Command Line Frequency????????????show: 两次显示之间的训练次数 ????Maximum Epochs???????????????????epochs: 训练次数 ????Maximum Training Time??????????????time: 最长训练时间（秒） ????Performance Goal??????????????????????goal: 网络性能目标 ????Minimum Gradient??????????????????min_grad: 性能函数最小梯度 ????Maximum Validation Checks?????????max_fail: 最大验证失败次数 ????Learning Rate???????????????????????????lr: 学习速率 ????Learning Rate Increase??????????????lr_inc: 学习速率增长值 ????Learning Rate??