基于差分进化优化的BP神经网络图像复原方法

• 作者: 何泽裕 张勇 张席 赵东宁
• 来源期刊: 深圳大学学报（理工版）
• 学科: 工学
• 关键词: 图像处理 模糊图像 图像复原 BP神经网络 差分进化 峰值信噪比 结构相似性
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 电子与信息科学
• 页码范围: 405-412
• 页数: 8页
• 分类号: TP319
• 字数: 6729字
• 语种: 中文
• DOI: 10.3724/SP.J.1249.2018.04405

摘要

针对back-propagating (BP)神经网络收敛速度慢、易陷入局部最小的问题,基于差分进化算法,改进其差分策略,提出随机缩放差分进化(random scaling-differential evolution,RSDE)优化的BP神经网络(RSDE-BP)图像复原方法.该方法用高斯噪声对无噪图像进行模糊处理,将模糊图像和原图像组成训练对,用于训练和优化RSDE-BP算法.最后利用训练好的BP神经网络对测试图像进行复原,从而达到去除噪声的目的.仿真结果表明,与BP神经网络、PSO-BP算法和DE-BP算法相比,所提出的算法收敛速度快,迭代次数少,且复原图像在峰值信噪比和结构相似性等指标方面有很好效果.与自适应全变差复原方法和二阶广义全变差正则项复原方法相比,该方法能够较好地恢复被噪声和模糊污染的图像,同时可以很好地保留图像的纹理和细节信息.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵东宁	深圳大学信息工程学院	1	3	1.0	1.0
2	张席	深圳技术大学基础教学部	1	3	1.0	1.0