人工神经网络在图像处理中的运用分析

刘婧 苗莉 张健 海口经济学院

人工神经网络在图像处理中的运用分析

刘婧 苗莉 张健 海口经济学院

文章主要概述人工神经网络在图像处理中的具体运用，并对人工神经网络进行简要的分析。

人工神经网络 运用分析 图像处理

人工神经网络通常被用作在模型的建立中，也是一种非常新型的技术手段。通过对人类大脑和神经系统的分析，创建出人工神经网络，其在人工智能范畴内的大规模使用是因为它能够很好的处理极其复杂的线性问题。现阶段，图像处理技术也在逐步与智能化相融合，从而完成图像处理的智能化发展，极大地提升图像的分辨率和清晰度。

1 人工神经网络的特征简述

1.1 具备结构性的特征

在对人工神经网络的研究中不难发现，其结构特征非常明显，同时也有极其显著的框架结构，人工神经网络是由一个个的神经元依据特定的序列组成的。神经元的功能主要是在进行输入的时候，可以对工程的权值进行精确地分析，并且可以联系各种各样的神经元信息，此外还能够保证神经元之间联系的强度。任何一个人工神经网络都具有各自的组织结构，可以保证各类性能工程的运作。

1.2 具备分布式的特征

人工神经网络的建立，使不同种类神经元之间的联系成为可能，也能够保证工程的主要特征得到精确地描述。一旦获得神经元之间连接的权值，就能够利用对人的大脑拓扑的结果得到最精确的信息，还能够把每一个单元的信息进行整合处理，使每一个单元的综合性能更加成熟。此外，当人工神经网络的权值进行联结之后就可以对整个系统的相关性做出精确地分析，从而完成对信息的储存，所储存的信息具备分布式的特征，同时每一部分的信息又能够相互影响，这是因为信息不是单独存在的，而是以一个整体的形势存在，这能够极大的提高工程对错误的容纳水平，避免出现受到信号的影响导致不能发送数据的现象。

1.3 具备并行性的特征

人工神经网络可以实现对已输入信息的双向处理，并且能够加快信息的输入与输出速度。这种情况下，人工神经网络中的每一个神经元都能够进行连接，从而更加精确地传递信息，同时受到整体性的调控，每一个神经元之间又能够进行信息的交流与共享，但是又不会出现信息之间的相互影响，这就极大地提升了对工程信息的处理效率。

1.4 具备非线性的特征

非线性就是一个自变量能够同时对应多个因变量，而人工神经网络就具有该特征，他能够完成多个变量之间的统一映射。

2 图像处理过程中运用的人工神经网络

2.1 图像预处理中所运用的人工神经网络

所谓的图像预处理就是指还原图像、以及对图像的增强和重新建立等。进行图像还原主要是为了清除图像中模糊的地方，最大限度的保证图像的清晰度，对图像质量的提升也有重要作用。以前所使用的图像还原技术，往往是通过逆滤波的方式实现对图像的还原。但是人工神经网络是对图像进行非线性处理，以实现对图像的还原，在这个过程中对VLSI技术的使用极大的提高了图像还原的效果和速度。

另外，人工神经网络对图像的还原也可以是使用HOPFIELD进行神经网络的建模，把模糊的图像还原成清晰的图像，再将其转变为一个函数模型，然后解析函数模型计算出图像的还原概率。还有另外一种方法能够实现对色彩的还原，就是利用细胞神经网络创建模式，而计算机快速计算又能够提高色彩还原的速度和质量。通过模糊的神经网络模型还原图像会使还原的图像过度锐化，这也是所还原的图像更加平滑的主要原因。

图像的增强主要是强调图像中的重点信息，并且消除非重要的信息。非线性的方式能够利用函数的方式提升图像增强的质量。重建图像主要是依赖于观察者的记忆实现对图像的欢愉，以前的图像重建能够依据对算法的改变从而实现对图像质量的完善。但这个过程中会引起噪声的出现，图像重建的质量和速度都得不倒保证。人工神经系统强大的运算能力使图像的重建转变为函数模型，并通过解析函数问题得到最佳的结果，高质量的完成对图像的重建。

2.2 对图像的压缩

压缩图像主要包括两个方面，其一是编码的预测，主要是探究图像之间的联系，并能够对编码实施预测，以实现对数据的压缩，避免大量数据占据更多的空间，而且还能够避免噪音的出现，提升清晰度。其二是转换编码，通常采用小二乘法，完成压缩图像的过程。

3 结束语

目前，人工神经网络在各个领域内都有非常普遍的运用，对计算效率的提升有重要的促进作用，尤其是在计算机中的使用，通过与函数思想的相互结合能够更好的进行自动化操作过程中。人工神经网络在图像处理中的运用也使图像还原的清晰度得到极大地提升。

[1]刘亚秋. 基于小波分析和神经网络布料瑕疵识别与分类算法研究[D].武汉科技大学,2015.

[2]袁刚. 脉冲耦合神经网络在图像去噪和人脸识别中的应用研究[D].云南大学,2015.

[3]郗强. 具有混合时滞和分段常数变元的脉冲神经网络的稳定性分析[D].山东大学,2014.

课题名称（级别）：物联网工程专业建设与智慧海南的研究与实践（海南省高等学校教育教学改革研究重点项目），审批部门：海南省教育厅，课题编号：Hnjg2016ZD-22。