基于模糊神经网络的图像恢复技术  

作　　者：刘普寅[1,2] 李洪兴[1] 刘普寅 

机构地区：[1]北京师范大学数学系,北京100875 [2]国防科技大学数学系,长沙410073

出　　处：《中国科学（E辑）》2002年第4期541-552,共12页Science in China(Series E)

基　　金：国家自然科学基金资助项目(批准号:69974006;69974041;60174013)

摘　　要：通过分别引入输入与输出空间的合理剖分,定义了一种新的模糊神经网络（FNN）,即选择型FNN,该系统是一种多层前向网络,在最大模意义下构成一类函数泛逼近器.基于一组具有实际意义的模糊推理规则,得出了一个简单实用的推理型FNN.利用选择型FNN与推理型FNN的有机结合,得到FNN滤波器,它不仅结构简单,易于设计参数学习算法,而且能同时有效去除图像信号中的脉冲噪声和保持图像结构.实验结果表明,与其他滤波器（如:中值滤波,自适应加权模糊平均（AWFM）滤波等）相比,FNN滤波器在去除各种噪声,保持图像未污染部分结构等方面性能卓越.

关 键 词：图像恢复 模糊神经网络 选择型FNN 推理型FNN FNN滤波器 图像处理 噪声滤除 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术]