论文部分内容阅读
[摘 要]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。
[关键词]人工智能 人工神经网络 图像处理
中图分类号：TP669 文献标识码：A 文章编号：1009-914X（2018）10-0395-01
一、前言
人工神經网络的建立是基于对人的大脑和神经系统的分析而形成的，其主要运用于建模中，在各种工程中都能够得到广泛地应用，现在，图像处理专业发展迅速，随着智能化技术的发展，图像处理也朝着智能化的方向发展，实现了对图像处理的智能化控制，提高了图像的清晰度。
二、人工神经网络的特点
（一）结构特点
人工神经网络的结构比较清晰，具有清晰的框架，其是由神经元按照一定的顺序排列而成的，神经元在完成输入的过程中能够分析工程的权值，能够将不同神经元信息连接起来，能够明确连接的关系，同时能够确保连接的强度。不同的人工神经网络，其组织结构也是不同的，能够实现对不同性能的工程的运行。
（二）分布式特点
人工神经网络能够实现各种神经元的连接，从而能够将工程的主要特点表述清楚，在获取联结的权值以后，通过模拟人脑的拓扑结果，从而能够准确地获取信息，能够将各个单元的信息进行整个，使各个单元的整体性能比较完善。人工神经网络在实现权值的联结后，还能够实现系统的相关性分析，能够实现信息的分布式存储，各部分的信息能够起到相互作用的效果，信息不是独立的，而是形成一个整体，从而能够使工程的容错能力增强，不会因为信号的干扰而造成数据不能输出。
（三）并行性特点
当信息输入到人工神经网络中，其可以实现双向的处理，促进了信息的输入和输出，在这种模式中，人工神经网络中的各个神经元实现了结合，能够实现信息的有效传递，各个神经元在整体的控制下，能够实现信息的共享，而信息之间互不干扰，共同作用，从而能够在一定程度上提高工程处理信息的能力。
三、人工神经网络在图像处理中的应用
（一）人工神经网络在图像预处理中的应用
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，可以运用图像的非线性处理，从而能够使图像复原，运用VLSI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Hop?eld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。
在人工神经网络运用于图像复原中，可以采用Hop?eld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。
图像增强能够将图像的重点内容突出，将那些不重要的信息删除，在传统的方法中，可以采用直方图的方法，在人工神经网络中，则可以运用非线性的方式，通过函数的运算，直接提高图像增强的效果。
图像的重建是根据观察者的记忆，将已经发生变化的图像还原的一种方式，在传统的图像重建的方法中，可以通过对算法的改变，或者运用建立模型的方法，能够在一定程度上对图像的清晰度进行优化，但是，在图像重建的过程中会出现很多的噪声，而且重建的效率低下。在人工神经网络中，运用Hop?eld软件实现图像的重建，其运算的能力强，能够将图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率的重建。
（二）图像压缩
通过对图像之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压缩，减少数据占据的空间，在运用人工神经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。
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除，在传统的编码变换的过程中，效率不高，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。
结论
人工神经网络被广泛地应用于各行各业，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。在图像处理中运用人工神经网络，可以提高图像的清晰度，采用Hop?eld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。
参考文献
[1]于江波，陈后金，王巍，李居朋.脉冲耦合神经网络在图像处理中的参数确定[J].电子学报，2012，01：81-85.
[2]陈京水，李业勤，刘玉，蔡显圣.人工神经网络在图像处理中的应用[J].中国医学装备，2010，07：39-42.
[关键词]人工智能 人工神经网络 图像处理
中图分类号：TP669 文献标识码：A 文章编号：1009-914X（2018）10-0395-01
一、前言
人工神經网络的建立是基于对人的大脑和神经系统的分析而形成的，其主要运用于建模中，在各种工程中都能够得到广泛地应用，现在，图像处理专业发展迅速，随着智能化技术的发展，图像处理也朝着智能化的方向发展，实现了对图像处理的智能化控制，提高了图像的清晰度。
二、人工神经网络的特点
（一）结构特点
人工神经网络的结构比较清晰，具有清晰的框架，其是由神经元按照一定的顺序排列而成的，神经元在完成输入的过程中能够分析工程的权值，能够将不同神经元信息连接起来，能够明确连接的关系，同时能够确保连接的强度。不同的人工神经网络，其组织结构也是不同的，能够实现对不同性能的工程的运行。
（二）分布式特点
人工神经网络能够实现各种神经元的连接，从而能够将工程的主要特点表述清楚，在获取联结的权值以后，通过模拟人脑的拓扑结果，从而能够准确地获取信息，能够将各个单元的信息进行整个，使各个单元的整体性能比较完善。人工神经网络在实现权值的联结后，还能够实现系统的相关性分析，能够实现信息的分布式存储，各部分的信息能够起到相互作用的效果，信息不是独立的，而是形成一个整体，从而能够使工程的容错能力增强，不会因为信号的干扰而造成数据不能输出。
（三）并行性特点
当信息输入到人工神经网络中，其可以实现双向的处理，促进了信息的输入和输出，在这种模式中，人工神经网络中的各个神经元实现了结合，能够实现信息的有效传递，各个神经元在整体的控制下，能够实现信息的共享，而信息之间互不干扰，共同作用，从而能够在一定程度上提高工程处理信息的能力。
三、人工神经网络在图像处理中的应用
（一）人工神经网络在图像预处理中的应用
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，可以运用图像的非线性处理，从而能够使图像复原，运用VLSI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Hop?eld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。
在人工神经网络运用于图像复原中，可以采用Hop?eld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。
图像增强能够将图像的重点内容突出，将那些不重要的信息删除，在传统的方法中，可以采用直方图的方法，在人工神经网络中，则可以运用非线性的方式，通过函数的运算，直接提高图像增强的效果。
图像的重建是根据观察者的记忆，将已经发生变化的图像还原的一种方式，在传统的图像重建的方法中，可以通过对算法的改变，或者运用建立模型的方法，能够在一定程度上对图像的清晰度进行优化，但是，在图像重建的过程中会出现很多的噪声，而且重建的效率低下。在人工神经网络中，运用Hop?eld软件实现图像的重建，其运算的能力强，能够将图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率的重建。
（二）图像压缩
通过对图像之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压缩，减少数据占据的空间，在运用人工神经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。
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除，在传统的编码变换的过程中，效率不高，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。
结论
人工神经网络被广泛地应用于各行各业，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。在图像处理中运用人工神经网络，可以提高图像的清晰度，采用Hop?eld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。
参考文献
[1]于江波，陈后金，王巍，李居朋.脉冲耦合神经网络在图像处理中的参数确定[J].电子学报，2012，01：81-85.
[2]陈京水，李业勤，刘玉，蔡显圣.人工神经网络在图像处理中的应用[J].中国医学装备，2010，07：39-42.