论文部分内容阅读
在夜视网络环境或低照度环境下,数字图像的采集和处理容易产生图像噪点增多、细节丢失的问题。而且现有图像边缘增强算法存在识别率差、效率低等问题。基于深度学习网络模型的图像边缘增强算法,依据图像边缘像素点的灰度差异,对原始图像做滤波预处理确定出数字图像的边缘特征,构建深度置信网络模型并定义概率分布函数;基于网络转换和稀疏编码规则融合图像边缘像素的多特征,并在深度置信网络模型输出层加入sigma函数降低迭代训练过程的复杂度,最后提取图像边缘的形态学梯度特征,剔除边缘孤立的特征点,达到数字图像边缘增强的目的。