劉婧 苗莉 張健 ??诮?jīng)濟(jì)學(xué)院
人工神經(jīng)網(wǎng)絡(luò)在圖像處理中的運(yùn)用分析
劉婧 苗莉 張健 ??诮?jīng)濟(jì)學(xué)院
文章主要概述人工神經(jīng)網(wǎng)絡(luò)在圖像處理中的具體運(yùn)用,并對(duì)人工神經(jīng)網(wǎng)絡(luò)進(jìn)行簡(jiǎn)要的分析。
人工神經(jīng)網(wǎng)絡(luò) 運(yùn)用分析 圖像處理
人工神經(jīng)網(wǎng)絡(luò)通常被用作在模型的建立中,也是一種非常新型的技術(shù)手段。通過(guò)對(duì)人類大腦和神經(jīng)系統(tǒng)的分析,創(chuàng)建出人工神經(jīng)網(wǎng)絡(luò),其在人工智能范疇內(nèi)的大規(guī)模使用是因?yàn)樗軌蚝芎玫奶幚順O其復(fù)雜的線性問(wèn)題。現(xiàn)階段,圖像處理技術(shù)也在逐步與智能化相融合,從而完成圖像處理的智能化發(fā)展,極大地提升圖像的分辨率和清晰度。
在對(duì)人工神經(jīng)網(wǎng)絡(luò)的研究中不難發(fā)現(xiàn),其結(jié)構(gòu)特征非常明顯,同時(shí)也有極其顯著的框架結(jié)構(gòu),人工神經(jīng)網(wǎng)絡(luò)是由一個(gè)個(gè)的神經(jīng)元依據(jù)特定的序列組成的。神經(jīng)元的功能主要是在進(jìn)行輸入的時(shí)候,可以對(duì)工程的權(quán)值進(jìn)行精確地分析,并且可以聯(lián)系各種各樣的神經(jīng)元信息,此外還能夠保證神經(jīng)元之間聯(lián)系的強(qiáng)度。任何一個(gè)人工神經(jīng)網(wǎng)絡(luò)都具有各自的組織結(jié)構(gòu),可以保證各類性能工程的運(yùn)作。
人工神經(jīng)網(wǎng)絡(luò)的建立,使不同種類神經(jīng)元之間的聯(lián)系成為可能,也能夠保證工程的主要特征得到精確地描述。一旦獲得神經(jīng)元之間連接的權(quán)值,就能夠利用對(duì)人的大腦拓?fù)涞慕Y(jié)果得到最精確的信息,還能夠把每一個(gè)單元的信息進(jìn)行整合處理,使每一個(gè)單元的綜合性能更加成熟。此外,當(dāng)人工神經(jīng)網(wǎng)絡(luò)的權(quán)值進(jìn)行聯(lián)結(jié)之后就可以對(duì)整個(gè)系統(tǒng)的相關(guān)性做出精確地分析,從而完成對(duì)信息的儲(chǔ)存,所儲(chǔ)存的信息具備分布式的特征,同時(shí)每一部分的信息又能夠相互影響,這是因?yàn)樾畔⒉皇菃为?dú)存在的,而是以一個(gè)整體的形勢(shì)存在,這能夠極大的提高工程對(duì)錯(cuò)誤的容納水平,避免出現(xiàn)受到信號(hào)的影響導(dǎo)致不能發(fā)送數(shù)據(jù)的現(xiàn)象。
人工神經(jīng)網(wǎng)絡(luò)可以實(shí)現(xiàn)對(duì)已輸入信息的雙向處理,并且能夠加快信息的輸入與輸出速度。這種情況下,人工神經(jīng)網(wǎng)絡(luò)中的每一個(gè)神經(jīng)元都能夠進(jìn)行連接,從而更加精確地傳遞信息,同時(shí)受到整體性的調(diào)控,每一個(gè)神經(jīng)元之間又能夠進(jìn)行信息的交流與共享,但是又不會(huì)出現(xiàn)信息之間的相互影響,這就極大地提升了對(duì)工程信息的處理效率。
非線性就是一個(gè)自變量能夠同時(shí)對(duì)應(yīng)多個(gè)因變量,而人工神經(jīng)網(wǎng)絡(luò)就具有該特征,他能夠完成多個(gè)變量之間的統(tǒng)一映射。
所謂的圖像預(yù)處理就是指還原圖像、以及對(duì)圖像的增強(qiáng)和重新建立等。進(jìn)行圖像還原主要是為了清除圖像中模糊的地方,最大限度的保證圖像的清晰度,對(duì)圖像質(zhì)量的提升也有重要作用。以前所使用的圖像還原技術(shù),往往是通過(guò)逆濾波的方式實(shí)現(xiàn)對(duì)圖像的還原。但是人工神經(jīng)網(wǎng)絡(luò)是對(duì)圖像進(jìn)行非線性處理,以實(shí)現(xiàn)對(duì)圖像的還原,在這個(gè)過(guò)程中對(duì)VLSI技術(shù)的使用極大的提高了圖像還原的效果和速度。
另外,人工神經(jīng)網(wǎng)絡(luò)對(duì)圖像的還原也可以是使用HOPFIELD進(jìn)行神經(jīng)網(wǎng)絡(luò)的建模,把模糊的圖像還原成清晰的圖像,再將其轉(zhuǎn)變?yōu)橐粋€(gè)函數(shù)模型,然后解析函數(shù)模型計(jì)算出圖像的還原概率。還有另外一種方法能夠?qū)崿F(xiàn)對(duì)色彩的還原,就是利用細(xì)胞神經(jīng)網(wǎng)絡(luò)創(chuàng)建模式,而計(jì)算機(jī)快速計(jì)算又能夠提高色彩還原的速度和質(zhì)量。通過(guò)模糊的神經(jīng)網(wǎng)絡(luò)模型還原圖像會(huì)使還原的圖像過(guò)度銳化,這也是所還原的圖像更加平滑的主要原因。
圖像的增強(qiáng)主要是強(qiáng)調(diào)圖像中的重點(diǎn)信息,并且消除非重要的信息。非線性的方式能夠利用函數(shù)的方式提升圖像增強(qiáng)的質(zhì)量。重建圖像主要是依賴于觀察者的記憶實(shí)現(xiàn)對(duì)圖像的歡愉,以前的圖像重建能夠依據(jù)對(duì)算法的改變從而實(shí)現(xiàn)對(duì)圖像質(zhì)量的完善。但這個(gè)過(guò)程中會(huì)引起噪聲的出現(xiàn),圖像重建的質(zhì)量和速度都得不倒保證。人工神經(jīng)系統(tǒng)強(qiáng)大的運(yùn)算能力使圖像的重建轉(zhuǎn)變?yōu)楹瘮?shù)模型,并通過(guò)解析函數(shù)問(wèn)題得到最佳的結(jié)果,高質(zhì)量的完成對(duì)圖像的重建。
壓縮圖像主要包括兩個(gè)方面,其一是編碼的預(yù)測(cè),主要是探究圖像之間的聯(lián)系,并能夠?qū)幋a實(shí)施預(yù)測(cè),以實(shí)現(xiàn)對(duì)數(shù)據(jù)的壓縮,避免大量數(shù)據(jù)占據(jù)更多的空間,而且還能夠避免噪音的出現(xiàn),提升清晰度。其二是轉(zhuǎn)換編碼,通常采用小二乘法,完成壓縮圖像的過(guò)程。
目前,人工神經(jīng)網(wǎng)絡(luò)在各個(gè)領(lǐng)域內(nèi)都有非常普遍的運(yùn)用,對(duì)計(jì)算效率的提升有重要的促進(jìn)作用,尤其是在計(jì)算機(jī)中的使用,通過(guò)與函數(shù)思想的相互結(jié)合能夠更好的進(jìn)行自動(dòng)化操作過(guò)程中。人工神經(jīng)網(wǎng)絡(luò)在圖像處理中的運(yùn)用也使圖像還原的清晰度得到極大地提升。
[1]劉亞秋. 基于小波分析和神經(jīng)網(wǎng)絡(luò)布料瑕疵識(shí)別與分類算法研究[D].武漢科技大學(xué),2015.
[2]袁剛. 脈沖耦合神經(jīng)網(wǎng)絡(luò)在圖像去噪和人臉識(shí)別中的應(yīng)用研究[D].云南大學(xué),2015.
[3]郗強(qiáng). 具有混合時(shí)滯和分段常數(shù)變?cè)拿}沖神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性分析[D].山東大學(xué),2014.
課題名稱(級(jí)別):物聯(lián)網(wǎng)工程專業(yè)建設(shè)與智慧海南的研究與實(shí)踐(海南省高等學(xué)校教育教學(xué)改革研究重點(diǎn)項(xiàng)目),審批部門:海南省教育廳,課題編號(hào):Hnjg2016ZD-22。