人工神經(jīng)網(wǎng)絡在圖像處理中的運用分析

劉婧 苗莉 張健 海口經(jīng)濟學院

人工神經(jīng)網(wǎng)絡在圖像處理中的運用分析

劉婧 苗莉 張健 ?？诮?jīng)濟學院

文章主要概述人工神經(jīng)網(wǎng)絡在圖像處理中的具體運用，并對人工神經(jīng)網(wǎng)絡進行簡要的分析。

人工神經(jīng)網(wǎng)絡 運用分析 圖像處理

人工神經(jīng)網(wǎng)絡通常被用作在模型的建立中，也是一種非常新型的技術手段。通過對人類大腦和神經(jīng)系統(tǒng)的分析，創(chuàng)建出人工神經(jīng)網(wǎng)絡，其在人工智能范疇內(nèi)的大規(guī)模使用是因為它能夠很好的處理極其復雜的線性問題。現(xiàn)階段，圖像處理技術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。

1 人工神經(jīng)網(wǎng)絡的特征簡述

1.1 具備結(jié)構(gòu)性的特征

在對人工神經(jīng)網(wǎng)絡的研究中不難發(fā)現(xiàn)，其結(jié)構(gòu)特征非常明顯，同時也有極其顯著的框架結(jié)構(gòu)，人工神經(jīng)網(wǎng)絡是由一個個的神經(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行輸入的時候，可以對工程的權(quán)值進行精確地分析，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)系的強度。任何一個人工神經(jīng)網(wǎng)絡都具有各自的組織結(jié)構(gòu)，可以保證各類性能工程的運作。

1.2 具備分布式的特征

人工神經(jīng)網(wǎng)絡的建立，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，就能夠利用對人的大腦拓撲的結(jié)果得到最精確的信息，還能夠把每一個單元的信息進行整合處理，使每一個單元的綜合性能更加成熟。此外，當人工神經(jīng)網(wǎng)絡的權(quán)值進行聯(lián)結(jié)之后就可以對整個系統(tǒng)的相關性做出精確地分析，從而完成對信息的儲存，所儲存的信息具備分布式的特征，同時每一部分的信息又能夠相互影響，這是因為信息不是單獨存在的，而是以一個整體的形勢存在，這能夠極大的提高工程對錯誤的容納水平，避免出現(xiàn)受到信號的影響導致不能發(fā)送數(shù)據(jù)的現(xiàn)象。

1.3 具備并行性的特征

人工神經(jīng)網(wǎng)絡可以實現(xiàn)對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)絡中的每一個神經(jīng)元都能夠進行連接，從而更加精確地傳遞信息，同時受到整體性的調(diào)控，每一個神經(jīng)元之間又能夠進行信息的交流與共享，但是又不會出現(xiàn)信息之間的相互影響，這就極大地提升了對工程信息的處理效率。

1.4 具備非線性的特征

非線性就是一個自變量能夠同時對應多個因變量，而人工神經(jīng)網(wǎng)絡就具有該特征，他能夠完成多個變量之間的統(tǒng)一映射。

2 圖像處理過程中運用的人工神經(jīng)網(wǎng)絡

2.1 圖像預處理中所運用的人工神經(jīng)網(wǎng)絡

所謂的圖像預處理就是指還原圖像、以及對圖像的增強和重新建立等。進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，往往是通過逆濾波的方式實現(xiàn)對圖像的還原。但是人工神經(jīng)網(wǎng)絡是對圖像進行非線性處理，以實現(xiàn)對圖像的還原，在這個過程中對VLSI技術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)絡對圖像的還原也可以是使用HOPFIELD進行神經(jīng)網(wǎng)絡的建模，把模糊的圖像還原成清晰的圖像，再將其轉(zhuǎn)變?yōu)橐粋€函數(shù)模型，然后解析函數(shù)模型計算出圖像的還原概率。還有另外一種方法能夠?qū)崿F(xiàn)對色彩的還原，就是利用細胞神經(jīng)網(wǎng)絡創(chuàng)建模式，而計算機快速計算又能夠提高色彩還原的速度和質(zhì)量。通過模糊的神經(jīng)網(wǎng)絡模型還原圖像會使還原的圖像過度銳化，這也是所還原的圖像更加平滑的主要原因。

圖像的增強主要是強調(diào)圖像中的重點信息，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的質(zhì)量。重建圖像主要是依賴于觀察者的記憶實現(xiàn)對圖像的歡愉，以前的圖像重建能夠依據(jù)對算法的改變從而實現(xiàn)對圖像質(zhì)量的完善。但這個過程中會引起噪聲的出現(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)強大的運算能力使圖像的重建轉(zhuǎn)變?yōu)楹瘮?shù)模型，并通過解析函數(shù)問題得到最佳的結(jié)果，高質(zhì)量的完成對圖像的重建。

2.2 對圖像的壓縮

壓縮圖像主要包括兩個方面，其一是編碼的預測，主要是探究圖像之間的聯(lián)系，并能夠?qū)幋a實施預測，以實現(xiàn)對數(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，完成壓縮圖像的過程。

3 結(jié)束語

目前，人工神經(jīng)網(wǎng)絡在各個領域內(nèi)都有非常普遍的運用，對計算效率的提升有重要的促進作用，尤其是在計算機中的使用，通過與函數(shù)思想的相互結(jié)合能夠更好的進行自動化操作過程中。人工神經(jīng)網(wǎng)絡在圖像處理中的運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)絡布料瑕疵識別與分類算法研究[D].武漢科技大學,2015.

[2]袁剛. 脈沖耦合神經(jīng)網(wǎng)絡在圖像去噪和人臉識別中的應用研究[D].云南大學,2015.

[3]郗強. 具有混合時滯和分段常數(shù)變元的脈沖神經(jīng)網(wǎng)絡的穩(wěn)定性分析[D].山東大學,2014.

課題名稱（級別）：物聯(lián)網(wǎng)工程專業(yè)建設與智慧海南的研究與實踐（海南省高等學校教育教學改革研究重點項目），審批部門：海南省教育廳，課題編號：Hnjg2016ZD-22。