基于卷积神经网络的正则化方法

摘要：

正则化方法是逆问题求解中经常使用的方法.准确的正则化模型在逆问题求解中具有重要作用.对于不同类型的图像和图像的不同区域,正则化方法的能量约束形式应当不同,但传统的L1,L2正则化方法均基于单一先验假设,对所有图像使用同一能量约束形式.针对传统正则化模型中单一先验假设的缺陷,提出了基于卷积神经网络的正则化方法,并将其应用于图像复原问题.该方法的创新之处在于将图像复原看作一个分类问题,利用卷积神经网络对图像子块的特征进行提取和分类,然后针对不同特征区域采用不同的先验形式进行正则化约束,使正则化方法不再局限于单一的先验假设.实验表明基于卷积神经网络的正则化方法的图像复原结果优于传统的单一先验假设模型.

关键词：L1范数约束、L2范数约束、正则化方法、卷积神经网络、图像复原

所属期刊栏目：51

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金项目61273364,61272354,61105119,61300176;北京市自然科学基金项目4142043;中央高校基本科研业务费专项资金项目2011JBM027,2012JBM027,2013JBM019,2014JBM037;教育部科技发展中心网络时代科技论文快速共享专项研究资助课题项目2013113

在线出版日期：2014-11-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：1891-1900