基于自组织神经网络和模糊逻辑的图像处理

摘要

自从2001年数字图像修复就成为了在多像素图像处理中新的研究领域。它的目标和应用是非常广泛的，从破损图像或相片的修复到自选区域的消除或替代等等。其主要目的是根据人眼视觉的特点和周围像素的特征来修复破损区域，使之效果更好。
　　传统的修复方法主要分为两大类：一类是针对小面积受损区域，另一类是针对大面积的破损区域。前者主要利用基于偏微分方程(PDE)的图像修复，后者则主要利用基于纹理合成的方法。随着计算机技术的发展，出现了各种智能的方法来替代了传统的方法对图像进行处理，软计算就是一个典型的代表。
　　软计算包括模糊逻辑、神经网络和遗传算法这几种模式，通过处理不确定、不精确及不完全真值的容错以取得低代价的解决方案和鲁棒性，这些模式是相互互补、相互配合的。在此，将分别应用神经网络和模糊逻辑来对图像进行处理。
　　本文首先介绍传统的图像修复算法，并对其中有代表性的算法进行了详细的叙述，给出了仿真结果。在对传统算法进行充分分析的基础上提出了利用神经网络和模糊逻辑这一新的图像修复途径，做出创新性的成果。本文的创新性有：
　　第一，利用软计算的理论，提出了基于自组织神经网络(SOM)和K-means算法的数字图像修复算法。
　　第二，提出了基于模糊逻辑的图像处理算法。
　　经仿真得出了较好的结果，验证了所用方法的可行性和优越性。

目录

文摘

英文文摘

第1章 绪论

1.1 课题的研究背景及意义

1.2 国内外研究现状分析

1.3 本文主要内容

1.4 论文的结构与框架

1.5 本文主要创新点

第2章 图像修复技术简介

2.1 图像修复原理

2.2 图像修复原则

2.3 几种典型的图像修复技术

2.3.1 BSCB修复模型

2.3.2 TV修复模型

2.3.3 CDD修复模型

2.4 本章小结

第3章 基于SOM网络和K-means算法的图像修复技术

3.1 引言

3.2 神经元网络的基本原理和结构

3.2.1 神经元网络的模型

3.2.2 神经元网络的连接方式

3.3 无监督学习与自组织网络

3.3.1 网络基本结构

3.3.2 白组织神经网络(SOM)

3.3.3 K-means聚类算法

3.3.4 基于SOM和K-means算法的图像修复

3.3.5 填充式修复

3.4 本章小结

第4章 基于模糊逻辑的图像修复

4.1 模糊逻辑的概念

4.2 模糊逻辑的规则

4.3 模糊C均值算法(Fuzzy C-means、FCM)

4.4 有效去除噪声的模糊C均值算法

4.5 本章小结

第5章 总结与展望

参考文献

发表论文和科研情况

致谢