神經(jīng)網(wǎng)絡(luò)是統(tǒng)計機器學(xué)習(xí)中的一個重要研究領(lǐng)域。徑向基網(wǎng)絡(luò)是神經(jīng)網(wǎng)絡(luò)中的一種模型,具有“近激活,遠(yuǎn)抑制”的特點,可以很好地解決一些插值問題。圖像修復(fù)屬于插值問題,近年來一直是研究重點。將徑向基網(wǎng)絡(luò)用于圖像修復(fù),可以摒棄傳統(tǒng)圖像修復(fù)方法中一系列復(fù)雜的數(shù)學(xué)計算。為了獲取更好的數(shù)據(jù)集,比較了不同受損類型的多種近鄰區(qū)域選取方法并采樣。然后利用采樣的數(shù)據(jù)集和徑向基網(wǎng)絡(luò)擬合一條修復(fù)函數(shù),對受損區(qū)域像素進行填補。同時,針對大塊缺失的受損圖像采用迭代修復(fù)的方法,使得修復(fù)區(qū)域更平滑,修復(fù)效果更好。在應(yīng)用方面,利用改進后的廣義RBF網(wǎng)絡(luò)對地震平切面進行去噪處理。根據(jù)地震平切面色度梯度大的特點,將網(wǎng)絡(luò)的激活函數(shù)改用二元高斯函數(shù),由兩個輸入同時計算像素值。針對采樣數(shù)據(jù)過多,對樣本作聚類處理計算數(shù)據(jù)中心,以數(shù)據(jù)中心代替同簇中的數(shù)據(jù)作為隱層神經(jīng)元,構(gòu)成廣義RBF網(wǎng)絡(luò)。同時采用基于梯度的方法分別計算橫縱兩個方向的擴展常數(shù),從而得到更好的去噪效果,使得各類沉積物分布更加清晰。 

【文章來源】：中國石油大學(xué)(北京)北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：60 頁

【學(xué)位級別】：碩士

【部分圖文】：

1RBF模型

圖 2.1.2 標(biāo)準(zhǔn) RBF 模型Fig. 2.1.2 Standard RBF Model的訓(xùn)練樣本與基函數(shù)是一一對應(yīng)的。當(dāng)數(shù)量增多，為解決這一現(xiàn)象，可以用 Gal輸入層有 M 個神經(jīng)元，每一個神經(jīng)元用L 個神經(jīng)元(L < N)，每一個神經(jīng)元用 l 表示 RBF(,,)lX ,其中 {,...,}1 2L 為出層有 Z 個神經(jīng)元，每一個神經(jīng)元用 z1、2、...、L, z = 1、2、...、Z)表示。

圖 2.1.2 標(biāo)準(zhǔn) RBF 模型Fig. 2.1.2 Standard RBF Model絡(luò)絡(luò)的訓(xùn)練樣本與基函數(shù)是一一對應(yīng)的。當(dāng)數(shù)據(jù)算量增多，為解決這一現(xiàn)象，可以用 Galerki的輸入層有 M 個神經(jīng)元，每一個神經(jīng)元用 m L 個神經(jīng)元(L < N)，每一個神經(jīng)元用 l 表示，數(shù) RBF(,,)lX ,其中 {,...,}1 2L 為基函輸出層有 Z 個神經(jīng)元，每一個神經(jīng)元用 z 表= 1、2、...、L, z = 1、2、...、Z)表示。

【參考文獻】：
期刊論文
[1]基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的鐵路路徑規(guī)劃[J]. 周睿.  電子技術(shù)與軟件工程. 2018(01)
[2]基于尖峰自組織徑向基網(wǎng)絡(luò)的氨氮軟測量方法[J]. 盧超,楊翠麗,喬俊飛.  信息與控制. 2017(06)
[3]基于廣義回歸神經(jīng)網(wǎng)絡(luò)的圖像修復(fù)算法[J]. 王文霞,王春紅,葛少磊.  計算機工程與設(shè)計. 2017(11)
[4]一種徑向基神經(jīng)網(wǎng)絡(luò)模型在圖書館能耗監(jiān)測上的應(yīng)用[J]. 孫騰,曾雪蓮.  智能計算機與應(yīng)用. 2017(02)
[5]徑向基神經(jīng)網(wǎng)絡(luò)算法在車牌字符識別中的應(yīng)用[J]. 劉智.  華僑大學(xué)學(xué)報(自然科學(xué)版). 2017(01)
[6]徑向基網(wǎng)絡(luò)模型在上海地鐵客流預(yù)測中的應(yīng)用研究[J]. 王文明,程浩.  智能計算機與應(yīng)用. 2016(06)
[7]基于粒子群優(yōu)化徑向基神經(jīng)網(wǎng)絡(luò)的燒結(jié)終點預(yù)測研究[J]. 石煒,孫永濤,秦波,龔志華.  鑄造技術(shù). 2016(11)
[8]基于PCA優(yōu)化徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的毫米波輻射計目標(biāo)識別[J]. 成亮,朱莉.  微波學(xué)報. 2015(S2)
[9]基于遷移學(xué)習(xí)的徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)[J]. 鄭雪輝,王士同.  計算機工程與應(yīng)用. 2016(05)
[10]基于樣本塊的圖像修復(fù)改進算法[J]. 韓明珠,郭樹旭,臧玲玲,鐘菲.  計算機工程與應(yīng)用. 2015(16)

碩士論文
[1]基于偏微分方程的圖像修復(fù)技術(shù)研究[D]. 王世強.大連理工大學(xué) 2014
[2]基于紋理合成的圖像修復(fù)算法研究[D]. 方寶龍.山東大學(xué) 2013



本文編號：3283002