人工神经网络在图像处理中的运用分析

人工神经 网络具有 分布式特 点
人工 神经 网络 能够 实现各 种神 经元 的连 从而能够将工程的主要特点表述清楚 ，在 联结的权值 以后 ，通过模拟人脑 的拓扑结 从而能够准确地获取信息 ，能够将各个单 ｆ 信息进行整个，使各个单元的整体性能 比 ｉ 善 。人工神经网络在实现权值的联结后 ， ｝ 够实现系统的相关性分析 ，能够实现信息 布式存储，各部分的信息能够起到相互作 『 效果，信息不是独立的，而是形成一个整 从而能够使工程的容错能力增强 ，不会因 ｆ 号的干扰而造成数据 不能输 出。
不 同的人工神经网络，其组织结构也是不 ｝ ，能够实现对不同性能的工程的运 行。
型 ，在 图像复原 的过程 中会 出现 图像锐化过度
的 问题 ，所 以 ，运 用 这 种 模 型 ，能 够 使 图像 更
加得平滑 。 ２ ． １ － ２图像增强 图像 增 强能够 将 图像 的重 点 内容 突 出，
｝ 晰度 。
而且计算 非常复杂 ， 而且大量的数据需要储存， 在 人工神 经网络 中，仅仅 需要简单 的计算就可 以完成编码 的转换 ， 而且能够实现图像 的统计 ， 在 图像 统计的过程 中也不用采 用复杂的计算 方 法 ，一般在编码转换 的过程 中使用 的是小 二乘 算法 ，实现 图像 的压缩 。
的同时映射 ， 使一个 自变量能够对应多个变量 。 网络进 行编码 的预测过程 中，使用 的是线性 的 预测器 ，而且在编码 的过程 中不会受 到噪音 的 干扰 ，而且分辨率 比较 高，能够采用语音编码 的方法 ，提高 图像压缩 的效率 。 ２ ． ２ ． ２编码 的变换 在 变换 编码 的过 程 中，将 图像 的数据 形 成一个 系数集 ，从而 能够将那 些失真的图像删
一
２ ． ２ 图像 压 缩 ２ ． ２ ． １ 预 测 编 码
定程度上提高工程处理信息 的能力 。间的相 关性 进行 分析 ，从
而 能够 进 行编 码 的预 测 ，从 而 能够 使 数 据 得 到
人 工神 经 网络能够 实现 不 同的变 量之 间 压缩 ，减少数据 占据 的空间，在运用人工神经
ｊ 像与 多媒体技术 ・ Ｉ ｍａ ｇ ｅ＆Ｍｕ ｌ ｔ ｉ ｍｅ ｄ ｉ ａ Ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ
人工神 经网络在 图像处理 中的运用分析
文／ 黄 金
实现双 向的处理 ，促进 了信 息的输入和输 出， 人 工神 经 网络 是一种 新 型的 技 术 ，主要 是运 用 于建 模 中，其 在人 工 智能领 域应 用 比较 广泛 ， 而且 能 够解 决复 杂的 线性 问题 ， 本文 通过对 人 工神 经 网络进 行分 析，分 析人 工神 经 网络 的构 成 ， 阐述人 工神 经 网络 在 图像处 理 中 的使 用 ，从 而在 一 定程度 上 能够 促进图像 处理 的发展 。 在这种模式 中，人工神经 网络 中的各个神经元
工神经网络分析
人 工 神 经 网络 的主 要 特 征 ： 人 工 神 经 网
可 以运用 图像 的非线 性处理 ，从而 能够使 图像 复原，运用 Ｖ Ｌ Ｓ Ｉ 技术 ，提高图像复原的效率。
在 人工 神经 网络 运用 于 图像复 原 中，可 以采用 Ｈｏ ｐ ｉ ｆ ｅ ｌ ｄ神经 网络模 型，其 可 以将 模糊 的图像 复原后 ，然后 转化成 一个函数，通过 分 析 函数可 以分析 出图像 的复 原率。也可以采 用
除 ，在 传 统 的 编码 变 换 的过 程 中 ， 效 率 不 高 ，
键词】人工智能 人工神经网络 图像处理 ２ 人工神经 网络在图像处理 中的应用
２ ． １人工神经 网络在 图像预处理 中的应用
人 工神经 网络 的建 立是 基于对 人 的大脑
图像 的预处 理主要 包括 对 图像 的复原 操 ２ ． １ ． １图像复原 图像复 原 的 目的在 于将 图像 中不 清晰 的 地 方除去，从而 能够使 图像 的清晰度提高，提 高图像 的质量 ，在传 统的图像复原技术中，一 般 都是采 用逆 滤波的形式，通过假 设退化模型 的方法 实现 图像 的复原 的。 在人工神经网络中，
： 在人脑 的拓 扑中实现 的，其特点主要有 以
点。
３ 结语
现 在 ， 人 工 神 经 网 络 被 广 泛 地 应 用 于 各
人工神经 网络具有结构性特点 人 工神 经 网络 的结 构 比较清 晰， 具有清
） 框 架 ，其 是 由神 经 元 按 照 一 定 的顺 序 排 列
行各业 ，能够提高计算效率，运用计算机技术 ， 结合函数思想，能够实现 自动化的运作。在 图
经 系 统 的分 析 而 形 成 的 ，其 主 要 运 用 于 建 作 、图像 的增强和重建等操作 。 ， ，在各种工程 中都 能够得到广泛地应用 ， ： ，图像处理专业发展迅速 ，随着 智能化技 Ｊ 发展 ， 图像处理也朝着智能化 的方 向发展 ， ｌ 了对 图像处 理的智能化控制 ，提 高了图像
神 经 元 在 整 体 的控 制 下 ， 能 够 实 现信 息 的共 享 ，
像 的重建 问题直接转化成 函数 问题 ，从而在 众 多的数值 中找 出最优解 ，从而 能够实现最 高效
实现 了结合 ，能够实现信息 的有效传递 ，各个 率 的重建 。 而信息之 间互不干扰 ，共 同作用 ，从而 能够在
清晰度 ，采用 Ｈ ｏ ｐ ｉ ｆ ｅ ｌ ｄ神经网络模 型，其可 以 将 模糊 的图像复原后，然后转化成一个函数 ， 通过分析函数可 以分析出图像的复原率。在 图
像 增强的过程 中运用人工神经网络，能够使 图 像 被突出的主体 更加 明显。
的权值， 能够将 不同神经元信 息连接起来 ， ； 明确连接的关系 ，同时能够确保连接的强
像 处 理 中 运 用 人 工 神 经 网 络 ， 可 以提 高 图 像 的
细胞神经 网络模 型能够 的方法 ，这种模型 能够
对 图像 的色彩进行还原 处理 ，而且 ，运用计 算 机计算 的速度非常快 ，能够在 一定程度上提 高 图像色彩复原 的效率 。运用模糊 的神经 网络模
Ｉ 的，神经元在完成输入 的过程 中能够分析