一类径向基函数网络及其在图像滤波中的应用  

Radial Basis Function Network for Elimination of Noise from Image

作　　者：李翠华[1] 郑南宁[1] 张永平[1] 

机构地区：[1]西安交通大学

出　　处：《西安交通大学学报》1999年第3期10-14,共5页Journal of Xi'an Jiaotong University

基　　金：国家自然科学基金;西安交通大学研究生院博士学位论文基金

摘　　要：构造了图像的一类卷积逼近公式，并由此设计了一类新的径向基函数网络．该网络可以无限逼近平方可积函数，其径向基函数是无穷次连续可微的，并具有局部支撑性质．同时，给出了变学习率的低松弛迭代快速学习算法．对于Ｎ×Ｎ输入图像，学习算法的复杂度为Ｏ（Ｎ２），与基于ＧｒａｍＳｃｈｍｉｄｔ正交化过程的正交最小二乘学习算法相比，其存储量和计算量都小．该网络可以在计算机视觉及实时信号、图像处理等领域用作自适应滤波．实验结果表明，它对Ｇａｕｓｓ白噪声及均匀分布的噪声都具有良好的抑制效果．A radial basis function network (RBFN) with underrelaxation iterative learning algorithm is proposed for the elimination of noise from image. This function is infinitely differentiable and locally supported. For a N×N image, the computational complexity of the learning algorithm is O(N 2 ), which can be implemented using less storage and computation than the orthogonal least squares learning algorithm. Moreover, it may be used as an adaptive filter in computer vision and real time signal/image processing. The test results show that the RBFN is suited for either Gaussian noise reduction or noise with uniform distribution.

关 键 词：计算机视觉 径向基函数 神经网络 去噪 图像处理 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程] TP391.41[自动化与计算机技术—控制科学与工程]