神经网络的高反差图像增强算法研究

摘要：

针对多尺度Retinex算法在图像增强过程中存在的算法运算量大的问题,提出了将RBF神经网络作为高反差图像增强算法.该算法从训练数据集中获取以3×3为邻域像素的特征向量以及目标图像对应的特征向量,通过聚类算法来确定网络隐含层的中心向量和扩展常数,采用梯度下降法使网络快速收敛得到最优解.利用RBF神经网络建立高反差图像与增强算法之间的非线性映射关系,根据神经网络参数进行快速图像处理,从而实现图像实时处理.仿真实验结果表明,与传统的基于Retinex理论算法相比,基于神经网络的高反差图像增强算法,不仅能够改善图像边缘以及细节,而且图像的清晰度也十分明显.因此,所提出的算法是一种有效的图像增强算法,在高反差图像增强中具有较好的应用前景.

关键词：神经网络、高反差、特征向量、快速收敛、图像增强

所属期刊栏目：27

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金重点项目61136002

在线出版日期：2017-10-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：97-100