原文服务方: 科技与创新       
摘要:
针对雾天图像的特点,提出了一种基于粒子群优化算法的 BP 人工神经网络的雾天图像复原算法.算法无需依据大气模型,它利用 BP 神经网络的自学习、自记忆和泛化能力,先用一组样本图像对网络进行训练,建立雾天图像与其对应的清晰图像之间的非线性映射关系,然后利用训练好的 BP 神经网络对待复原的雾天图像进行复原处理.实验表明该算法能有效地提高图像清晰度和对比度,视觉效果明显改善.
推荐文章
基于BP神经网络的雾天图像复原算法
雾天图像
图像复原
神经网络
粒子群优化算法
基于遗传BP神经网络的COSM图像复原算法
图像复原
神经网络
COSM
非线性映射
灰狼算法优化BP神经网络的图像去模糊复原
BP神经网络
灰狼优化算法
L-R复原算法
维纳滤波
PSO-BP神经网络
基于粒子群优化算法的BP神经网络图像复原
图像复原
退化图像
BP神经网络
粒子群优化算法
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于BP神经网络的雾天图像复原算法
来源期刊 科技与创新 学科
关键词 雾天图像 图像复原 神经网络 粒子群优化算法
年,卷(期) 2011,(5) 所属期刊栏目 软件时空
研究方向 页码范围 165-167
页数 分类号 TP391.41
字数 语种 中文
DOI 10.3969/j.issn.2095-6835.2011.05.066
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 陶青川 四川大学电气信息学院 79 443 10.0 17.0
2 贺可鑫 四川大学电气信息学院 4 14 2.0 3.0
3 高艺文 四川大学电气信息学院 5 20 2.0 4.0
4 李柯 四川大学电气信息学院 2 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (96)
共引文献  (470)
参考文献  (7)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1936(1)
  • 参考文献(0)
  • 二级参考文献(1)
1971(1)
  • 参考文献(0)
  • 二级参考文献(1)
1973(1)
  • 参考文献(0)
  • 二级参考文献(1)
1985(2)
  • 参考文献(0)
  • 二级参考文献(2)
1988(3)
  • 参考文献(0)
  • 二级参考文献(3)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(2)
  • 参考文献(0)
  • 二级参考文献(2)
1992(12)
  • 参考文献(0)
  • 二级参考文献(12)
1993(5)
  • 参考文献(0)
  • 二级参考文献(5)
1994(14)
  • 参考文献(0)
  • 二级参考文献(14)
1995(12)
  • 参考文献(0)
  • 二级参考文献(12)
1996(12)
  • 参考文献(0)
  • 二级参考文献(12)
1997(5)
  • 参考文献(0)
  • 二级参考文献(5)
1998(8)
  • 参考文献(1)
  • 二级参考文献(7)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(8)
  • 参考文献(0)
  • 二级参考文献(8)
2001(3)
  • 参考文献(0)
  • 二级参考文献(3)
2002(4)
  • 参考文献(2)
  • 二级参考文献(2)
2003(3)
  • 参考文献(1)
  • 二级参考文献(2)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
雾天图像
图像复原
神经网络
粒子群优化算法
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
科技与创新
半月刊
2095-6835
14-1369/N
大16开
2014-01-01
chi
出版文献量(篇)
41330
总下载数(次)
0
总被引数(次)
202805
论文1v1指导