神经网络的高反差图像增强算法研究

• 作者: 李涛 梁康康
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 神经网络 高反差 特征向量 快速收敛 图像增强
• 年，卷（期）: 2017,（9）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 97-100
• 页数: 4页
• 分类号: TP391
• 字数: 2550字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2017.09.021

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李涛	西安邮电大学计算机学院	66	277	9.0	13.0
2	梁康康	西安邮电大学计算机学院	1	3	1.0	1.0