基于神经网络的图像局部模糊测量与分割

发布时间：2017-05-23 17:00

  本文关键词：基于神经网络的图像局部模糊测量与分割，由笔耕文化传播整理发布。

【摘要】：图像在实际获取的过程中,由于天气、个人的拍摄水平、相机的因素、光照以及相机与被拍摄物体之间发生相对运动等原因导致图像模糊。有效地提取出局部模糊图像的模糊区域,可以用于图像复原或者图像融合等。本文也主要针对图像局部模糊测量与分割进行相关研究,具体研究工作如下：(1)基于BP神经网络的图像局部模糊测量现有的模糊测量方法主要存在以下不足：1)容易将纹理平坦的清晰区域误检成模糊区域：2)部分模糊测量方法只适用全局或者只适合测量运动模糊或者散焦模糊中一种。针对上面提到的不足,本文在前人的研究基础上提出了一种基于BP神经网络的局部模糊测量方法,该方法采用所有奇异值组成的奇异值向量以描述图像模糊后不同尺度信息变化情况,并与描述高频信息变化的DCT(discrete cosine transform)非零系数相结合,实现奇异值向量和DCT非零系数个数相联合的混合模糊测度,达到了分别在空域和频域对模糊进行描述,并进一步引入能够更好的反映模糊感知特性的BP (back propagation)神经网络和具有较强泛化能力的SVM (support vector machine)作为分类器,以实现高效、准确的模糊测量。单幅局部模糊图像对比实验结果以及多幅局部模糊图像准确率-召回率(PR)统计实验结果表明,该方法可以有效地区分纹理平坦的清晰区域和模糊区域,而且本文选择的模糊特征值具有较强鲁棒性。(2)基于语义的模糊区域分割现有的模糊测量方法难以较为准确地分割出局部模糊图像的模糊区域。针对该问题,本文从大多数局部模糊图像的模糊区域具有成片且具有特定语义的特点出发,结合图像语义分割是按照图像特定语义进行图像分割的特点,提出了一种基于语义的模糊区域分割方法。该方法包含三个步骤：1)使用双边滤波器对本文方法的模糊测量结果进行滤波处理,双边滤波器可以有效去除本文方法模糊测量结果的噪声,而且可以很好保留模糊区域的边界,进而可以提高模糊区域分割的准确率；2)使用基于深度神经网络的语义分割方法对待分割局部模糊图像进行语义分割,该语义分割方法能够较好的分割出图像中的特定语义物体；3)根据前两步的结果,计算二者重合度,如果测量出的模糊区域主要集中在某一语义物体上,则认为该语义物体为模糊区域,否则按照给定的阈值进行分割。实验结果表明：该方法能够有效地提取出模糊区域。
【关键词】：模糊测量 BP神经网络 双边滤波 分割 奇异值 DCT系数
【学位授予单位】：安徽大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41;TP183
【目录】：

• 摘要3-5
• Abstract5-10
• 第一章 绪论10-16
• 1.1 研究背景和意义10-11
• 1.2 国内外研究现状及不足11-13
• 1.3 本文主要工作13-14
• 1.4 论文组织结构14-16
• 第二章 机器学习相关算法介绍16-32
• 2.1 人工神经网络的概述16-23
• 2.1.1 人工神经元的模型17-19
• 2.1.2 人工神经网络的学习方式19-21
• 2.1.3 人工神经网络的基本学习算法21-23
• 2.2 BP(反向传播)神经网络23-27
• 2.2.1 BP学习算法简介23-24
• 2.2.2 BP学习算法的数学推导24-26
• 2.2.3 BP学习算法的缺点26-27
• 2.3 支持向量机27-28
• 2.4 深度学习28-31
• 2.5 本章小结31-32
• 第三章 基于BP神经网络的图像局部模糊测量32-45
• 3.1 模糊图像成因32-34
• 3.1.1 散焦模糊32-33
• 3.1.2 运动模糊33-34
• 3.2 混合模糊测度34-37
• 3.2.1 奇异值向量34-36
• 3.2.2 DCT非零系数个数36-37
• 3.3 BP神经网络分类器构建37-39
• 3.3.1 模型构造37-38
• 3.3.2 训练和模糊预测38-39
• 3.4 实验39-44
• 3.4.1 实验结果39-42
• 3.4.2 准确率—召回率曲线统计42-44
• 3.5 本章小结44-45
• 第四章 基于语义的模糊区域分割45-55
• 4.1 双边滤波器简介45-47
• 4.2 模糊区域提取47-48
• 4.2.1 语义分割方法简介47
• 4.2.2 基于语义的模糊区域提取方法47-48
• 4.3 实验48-54
• 4.3.1 双边滤波处理实验48-50
• 4.3.2 模糊区域提取实验50-54
• 4.4 本章小结54-55
• 第五章 总结与展望55-57
• 5.1 总结55-56
• 5.2 展望56-57
• 参考文献57-61
• 致谢61-62
• 攻读硕士学位期间的科研成果62

【相似文献】

中国期刊全文数据库 前10条

1 云中客;新的神经网络来自于仿生学[J];物理;2001年10期

2 唐春明,高协平;进化神经网络的研究进展[J];系统工程与电子技术;2001年10期

3 李智;一种基于神经网络的煤炭调运优化方法[J];长沙铁道学院学报;2003年02期

4 程科,王士同,杨静宇;新型模糊形态神经网络及其应用研究[J];计算机工程与应用;2004年21期

5 王凡,孟立凡;关于使用神经网络推定操作者疲劳的研究[J];人类工效学;2004年03期

6 周丽晖;从统计角度看神经网络[J];统计教育;2005年06期

7 赵奇 ,刘开第 ,庞彦军;灰色补偿神经网络及其应用研究[J];微计算机信息;2005年14期

8 袁婷;;神经网络在股票市场预测中的应用[J];软件导刊;2006年05期

9 尚晋;杨有;;从神经网络的过去谈科学发展观[J];重庆三峡学院学报;2006年03期

10 杨钟瑾;;神经网络的过去、现在和将来[J];青年探索;2006年04期

中国重要会议论文全文数据库 前10条

1 徐春玉;;基于泛集的神经网络的混沌性[A];1996中国控制与决策学术年会论文集[C];1996年

2 周树德;王岩;孙增圻;孙富春;;量子神经网络[A];2003年中国智能自动化会议论文集（上册）[C];2003年

3 罗山;张琳;范文新;;基于神经网络和简单规划的识别融合算法[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

4 郭爱克;马尽文;丁康;;序言(二)[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

5 钟义信;;知识论:神经网络的新机遇——纪念中国神经网络10周年[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

6 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

7 金龙;朱诗武;赵成志;陈宁;;数值预报产品的神经网络释用预报应用[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

8 田金亭;;神经网络在中学生创造力评估中的应用[A];第十二届全国心理学学术大会论文摘要集[C];2009年

9 唐墨;王科俊;;自发展神经网络的混沌特性研究[A];2009年中国智能自动化会议论文集（第七分册）[南京理工大学学报（增刊）][C];2009年

10 张广远;万强;曹海源;田方涛;;基于遗传算法优化神经网络的故障诊断方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年

中国重要报纸全文数据库 前10条

1 美国明尼苏达大学社会学博士 密西西比州立大学国家战略规划与分析研究中心资深助理研究员 陈心想;维护好创新的“神经网络硬件”[N];中国教师报;2014年

2 卢业忠;脑控电脑 惊世骇俗[N];计算机世界;2001年

3 葛一鸣 路边文;人工神经网络将大显身手[N];中国纺织报;2003年

4 中国科技大学计算机系　邢方亮;神经网络挑战人类大脑[N];计算机世界;2003年

5 记者 孙刚;“神经网络”：打开复杂工艺“黑箱”[N];解放日报;2007年

6 本报记者 刘霞;美用DNA制造出首个人造神经网络[N];科技日报;2011年

7 健康时报特约记者　 张献怀;干细胞移植：修复受损的神经网络[N];健康时报;2006年

8 刘力;我半导体神经网络技术及应用研究达国际先进水平[N];中国电子报;2001年

9 ;神经网络和模糊逻辑[N];世界金属导报;2002年

10 邹丽梅 陈耀群;江苏科大神经网络应用研究通过鉴定[N];中国船舶报;2006年

中国博士学位论文全文数据库 前10条

1 杨旭华;神经网络及其在控制中的应用研究[D];浙江大学;2004年

2 李素芳;基于神经网络的无线通信算法研究[D];山东大学;2015年

3 石艳超;忆阻神经网络的混沌性及几类时滞神经网络的同步研究[D];电子科技大学;2014年

4 王新迎;基于随机映射神经网络的多元时间序列预测方法研究[D];大连理工大学;2015年

5 付爱民;极速学习机的训练残差、稳定性及泛化能力研究[D];中国农业大学;2015年

6 李辉;基于粒计算的神经网络及集成方法研究[D];中国矿业大学;2015年

7 王卫苹;复杂网络几类同步控制策略研究及稳定性分析[D];北京邮电大学;2015年

8 张海军;基于云计算的神经网络并行实现及其学习方法研究[D];华南理工大学;2015年

9 李艳晴;风速时间序列预测算法研究[D];北京科技大学;2016年

10 陈辉;多维超精密定位系统建模与控制关键技术研究[D];东南大学;2015年

中国硕士学位论文全文数据库 前10条

1 章颖;混合不确定性模块化神经网络与高校效益预测的研究[D];华南理工大学;2015年

2 贾文静;基于改进型神经网络的风力发电系统预测及控制研究[D];燕山大学;2015年

3 李慧芳;基于忆阻器的涡卷混沌系统及其电路仿真[D];西南大学;2015年

4 陈彦至;神经网络降维算法研究与应用[D];华南理工大学;2015年

5 董哲康;基于忆阻器的组合电路及神经网络研究[D];西南大学;2015年

6 武创举;基于神经网络的遥感图像分类研究[D];昆明理工大学;2015年

7 李志杰;基于神经网络的上证指数预测研究[D];华南理工大学;2015年

8 陈少吉;基于神经网络血压预测研究与系统实现[D];华南理工大学;2015年

9 张韬;几类时滞神经网络稳定性分析[D];渤海大学;2015年

10 邵雪莹;几类时滞不确定神经网络的稳定性分析[D];渤海大学;2015年

  本文关键词：基于神经网络的图像局部模糊测量与分割，，由笔耕文化传播整理发布。

本文编号：388524