基于神经网络的视觉图像处理研究综述2oifjmux.pptVIP

4、总结 随着神经网络理论的深入研究，神经网络技术的并行计算能力、非线性映射和自适应能力等优点得到了充分的认识，各种神经网络模型在图像处理领域中得到了广泛的应 * * * * * * * * * * * * * * * * 基于神经网络的视觉图像处理研究综述 Research the Visual Image Processing Based NeuraI Network * 介绍内容 1、神经网络在图像处理中的优越性 1、图像处理中常用神经网络类型 2、神经网络在图像处理中的应用 图像预处理 图像压缩 特征提取 图像分割图 图像识别 3、总结 * 1、神经网络的优越性 神经网络算法比起传统的算法表现出了很大的优越性： ①高度并行处理能力，处理的速度远远高于传统的序列处理算法； ②具有自适应功能，能够根据学习提供的数据样本找出和输出数据的内在联系； ③非线性映射功能，图像处理中很多问题是非线性问题，神经网络为处理这些问题提供了有用的工具； ④具有泛化功能，能处理带有噪声的或不完全的数据。 * 2、图像处理中常用神经网络类型 Hopfield神经网络 BP(Back Propagation)网络 自组织网络 小波网络 细胞神经网络 模糊神经网络 * Hopfield神经网络 Hopfield神经网络是一种动态网络，主要用于联想记忆和优化计算。如果我们能把某个待研究解决的问题化成一个Hopfield计算能量函数，且使这个计算能量函数的最小极值正好对应于一定约束条件下的问题解答时，那这个问题就可以翻用Hopfield网络来求解了。Hopfield网络在图像边缘检测、图像模式匹配和识别等图像处理方面应用较多。 * Hopfield神经网络 o1 on o2 x2 xn W … … * 2. BP(Back Propagation)网络 BP(Back Propagation)网络是一种神经网络学习算法，是由输入层、中间层、输出层组成的阶层型神经网络，中间层可扩展为多层。相邻层之间各神经元进行全连接，而每层各神经元之间无连接，网络按有教师示教的方式进行学习，当一对学习模式提供给网络后，各神经元获得网络的输入响应产生连接权值(Wetght)。然后按减小希单输出与实际输出误差的方向，从输出层经各中间层逐层修正各连接权，回到输入层。此过程反复交替进行，直至网络的全局误差趋向给定的极小值，即完成学习的过程。它采用反向传播算法的多层前馈网络，能够逼近任意的非线性映射关系，而且有很好的泛化能力。在图像处理领域中，作为一种非自适应的神经网络技术应用非常广泛。 * 2. BP(Back Propagation)网络 x1 o1 输出层 隐藏层 输入层 x2 o2 om xn … … … … … … … … w1 w2 w3 wL * 3. 自组织网络 自组织网络是一种非监督学习神经网络，这种网络的学习目的是从一组数据中提取有意思的特征或某种内在的规律性(分布特征或按某种目的聚类)。自组织性神经网络根据学习算法可以分为两类：一类是主元分析神经网络(Principal Component Analysis Neural Network，简称PCA神经网络)，这类网络能够抽取输入向量的主特征向量，并使输入输出数据在均方差意义下为最优，主要用于图像压缩和特征抽取。另一类是基于kohonen的自组织特征映射算法的神经网络(Self-organizing Feature Map Neural Net．work，简称SOFM神经网络)，此类网络对输入的数据有“聚类”作用，可起到数据压缩的作用，同时又具有特征抽取的作用，同样应用于图像压缩和特征提取。 * 3. 自组织网络 * 4. 小波网络 小波网络起源于小波分解，是近年来在小波分析研究获得突破的基础上提出的一种前馈型网络，它不但具有并行结构与并行处理、信息的分布式存储、容错性、自组织自适应能力、非线性等特点，而且还具有一般神经网络所无法达到的收敛速度、收敛精度以及完美的小波理论基础。小波网络是将常规单隐层神经网络的隐节点函数由小波函数代替，相应的输入层到隐层的权值及隐层阀值分别由小波甬数的尺度与平移参数所代替，继承了小波变换和神经网络两者的优点，具有良好的函数逼近能力和模式识别分类能力，现在小波网络作为新型的神经网络技术在图像处理领域中得到了应用。 * 4. 小波网络 * 5. 细胞神经网络 细胞神经网络是局部连接细胞的空间排列，其中每个细胞都是具有输入、输出及与动力学规则相关的状态的非线性动力学系统，具有很强的并行处理能力，并具有集成特性，自从被提出以后得到广泛的研究，用于图像处理的各个领域。该网络基于生物细胞脉冲原理，具有好的收敛和稳定性。试验结果表明，它能有效地克服已有方法无法克服的边缘检