[发明专利]一种基于BP神经网络的图像复原方法

说明书

本发明属于图像处理技术领域，具体涉及一种提高图像复原质量的基于BP神经网络的图像复原方法。本发明包括(1)对原始图像进行初始化权值；(2)对进行初始化后的图像进行卷积运算；(3)对进行卷积运算后的图像进行池化；(4)输出池化后图像的损失函数等。本发明提出了混合神经网络在图像复原中的应用。将卷积神经网络与BP神经网络结合分步实现图像复原。通过训练卷积神经网络提取特征向量作为BP神经网络的输入，再通过训练BP神经网络实现图像复原。充分考虑退化过程邻域对退化像素值的影响，避免求解点扩展函数，复原效果优于现有方法。

技术领域

本发明属于图像处理技术领域，具体涉及一种提高图像复原质量的基于BP神经网络的图像复原方法。

背景技术

据调查研究表明，人类视觉系统所获取的信息占人类获取的所有信息的80％以上。图像包含大量丰富的外部信息，作为信息的载体，是我们人类认识感知客观世界的重要方式。“一图胜千言”。图像通常包含颜色特征、纹理特征、形状特征等使得其更加形象生动。随着移动互联网的飞速发展，数字化的多媒体技术已经广泛应用于人类社会的各个领域。在现实生活中，具有图像采集功能的电子消费品数码照相机、平板电脑、摄像机和智能手机等已经成为每个人的生活必需品。而且人们每天通过微信、QQ、微博、Facebook等社交网络上传照片发表动态已经成为一种生活习惯。

2013年全球最大的社交网站Facebook透露该公司的11.5亿用户每天平均向其网站上传3.5亿张照片，照片上传总量达到2500亿张；可见图像作为信息的载体在信息沟通的方式上给人们的生活带来了极大的便利，人们对互联网和多媒体的依赖和需求对图像处理技术来说是很大的挑战。图像在人们使用过程中其质量的好坏对视觉和信息的交流有很大的影响。质量差的图像会给观看的人以不舒服的感受，反之质量高的图像则会给观看的人舒服的享受；同时质量低的图像导致图像上很多信息损失，造成一些通信的不便，导致经济损失等。然而，我们平时所采集的图像在形成的过程容易受外界因素的影响，比如噪声、拍摄设备等，就会导致最后的图像失真严重，这种情况也被称为图像退化。例如现实场景中采集图像时，相机的抖动、镜头的聚焦等外界因素将会导致模糊效应；另外，图像采集和传输的介质(传感器阵列)的密度小使得采集的像素点较少，致使最后图像的分辨率较低等。

为了提高图像质量我们可以通过提高采集设备的硬件性能。比如说可以提高传感器阵列的密度，即提高设备像素密度，工业中的制作工艺已经可以决解此类问题。但是像素密度的增加将会降低传感器的采光性能，噪声的影响也会随之增加。不仅如此，设备的成本也提高了不少。此外，现实中还存在一些情况是不能通过改善硬件设备来提高图像质量。例如相机抖动导致的模糊、图像压缩中噪声导致的图像失真等。所以说利用失真图像来还原出原始图像是一件非常重要的事情，且具有重大的实际意义。利用信号处理、机器学习等相关的理论知识，对图像退化过程进行表示和建模，消除或者降低退化图像信息的损失。这种基于软件的方法具有成本低、适用范围广等特点。近年来，随着多媒体技术的成熟发展，图像复原技术作为数字图像处理技术中一个重要的研究方向已经在军事遥感、安全监控、天文成像、医学、军事公安等众多科学领域中有广泛应用。