图像处理中神经网络的应用

摘 要

神经网络技术逐渐在图像处理中得到应用，其优点主要包括超强的自适应能力以及计算能力等，这些满足了图像处理对技术的要求。本文以当前常用的集中神经网络类型进行了总结，在图像处理方面的作用进行了探究，针对神经网络在应用时的特效和弊端进行了阐述，并对发展前景进行了展望。

【关键词】图像处理 神经网络 应用

科学信息技术的进步，为社会的发展起到了推动作用。在图像处理领域取得的成果，对科技进步起到了一定的技术支持。图像处理的科技含量也来越先进，工作人员不断的采用新的处理方式，取代原有的处理方式，更新变化非常快。尤其是采用了神经网络计算法替代了原有的计算法，从而使图像处理技术向前迈进了一大步。这种先进的计算法的优越性主要有四点：

（1）处理速度快。

（2）含有自适应性能。

（3）具备非线性的映射功能。

（4）泛化功能强大。

下面对图像处理中的神经网络的应用进行了阐述，对其在图像处理中的优点和缺点进行了分析。

1 在图像处理领域中神经网络的定义和分类

1.1 神经网络的定义

所谓的神经网络，英文字母简写为ANN，是有大量的神经元通过互相联系在一起，组成的具有高度的、非线性特征的动力学体系，是对人脑的认识、组织构成为基础的一种系统工程，能够模拟人脑的结构和智能。

1.2 神经网络在图像处理中的分类

目前在图像处理中常用的神经网络类型包括以下几种：

（1）HF神经网络。其特点主要表现为动态性，它的作用主要是进行计算过程的优化和联想记录，并在图像的边缘化检测、图像模式的识别和匹配等方面，发挥着重要作用。

（2）BP网络。这种类型的网络采用的是一反向传播算法为基础的多重前馈网络，比较接近非线性映射关系，并具有一定的随意性，其泛化能力也是非常突出的。其非自适应性特点在图像处理中的应用范围很大。

（3）自组织网络。这是一种不用监督的学习神经网络。其作用主要是能够从固定范围内的数据中，抽取出需要的数据和具有规律性的东西。自组织网络的算法还可以细分为两种，一种是PCA一种是SOFM。

（4）小波网络。小波分解师小波网络的基础，其特征是前馈型。小波网络的特性综合了神经网络和小波函数的所有优点，在函数逼近和模式识别两种能力上有突出的表现。

（5）细胞神经网络。这种网络类型是一种空间排列，连接的是局部的细胞，把具有输出、输入、动力学状态的细胞，组合成一个系统，其特征是并行处理能力强大，集成性能高，自从出现后，就被广泛的应用在图像处理领域。

（6）模糊神经网络，是指以生成和调整规则为基础，采用神经网络方法，建立起来的模糊系统，其最大功能是能够处理和表达那些不能确定的知识，然后生成经过调整的数据。模糊神经网络的运行特点是实现了高速的推理，能够在很大程度上提高运行效率和系统建模。

2 在图像处理中神经网络的运用

图像处理的步骤主要包括五个方面的内容，可以用图表表示如下：

图1：图像处理过程

下面就对每一个步骤进行详细介绍：

2.1 图像预处理

图像预处理是图像处理的第一步，主要包括对像的复原、增强、重建等多项内容。

2.1.1 图像复原

其目的是为了排除干扰和图像模糊因素，提高质量，对对图像的清晰度进行恢复。神经网络在处理图像恢复中，充分利用非线性特质，通过非线性模型，使用VLSI技术进行图像恢复，同传统的图像恢复相比，速度更快，图像恢复更好。

2.1.2 图像增强

这种处理能够把图像中的要点进行信息突出，减轻或除去无关信息，是局部信息得到加强，更加明显。传统的图像增强技术，一般采用直方图的技术进行增强，同时还涉及到灰度窗口、伪彩色加强等技术。

2.1.3 图像重建

指的是根据有限的图像信息数据，通过某种观测形式在现原图像。传统的图像重建的弊端主要表现在两个方面，一个是噪声性能差，一个是速度较慢。利用神经网络进行图像重建，运用了其并行运算能力，重建图像无论是在图像显现，还是在噪声、数据方面都有出色的表现。

2.2 图像压缩

对于图像压缩来说，其目的主要包含三点：

（1）有效降低数据信息的存储量的大小。

（2）降低传输宽带。

（3）对大量的信息进行压缩，方便提取、识别。采用神经网络的图像压缩的计算法和传统的相比，具有很大的优势。

2.3 特征提取

图像的特征提取技术简单的说就是简化图像数据，简化的目的是以高维数据位基础，从中抽取低维数据信息，来对图像进行分割和识别。神经网络的图像特征提取可以根据处理能力、学习形式来进行分类：PCA、LDA、NDA等。

2.4 图像分割

对于图像的前期视觉效果和图像处理要采用图像分割的技术进行，在实施过程中，要根据图像的一些特征，把图像进行空间分割，同一区域的特征是相同的，不同区域的特征存在一定的区别。传统的分割技术不能处理复杂的图像，例如遥感、声呐、复杂CT等，但是神经网络就可以进行这些类型的图像分割。神经网络利用其特有的并行性等有特性，对图形进行数据处理，其优势得到更多人的认可。

2.5 图像识别

在实践中，图像识别的功能受到人们的重视，并在社会中得到广泛的应用。图像识别的应用主要体现在人脸、指纹、字符、医学诊断等多个方面。图像识别根据对象的模式进行分类，包括尺寸、位置等。神经网络的图像识别的适应能力强，可以在有噪声干扰的环境中实施。

3 结语

在图像处理领域，神经网络发挥了越来越重要的作用。在图像处理过程中，研究人员利用神经网络技术对图形进行了复原、图片增强、图片重建等操作。神经系统在进行图像处理是，要比传统的图像处理模式更快，处理的数据量更小。因此可以预想将来的神经网络的应用范围，将越来越大。

参考文献

[1]许锋，卢建刚，孙优贤.神经网络在图像处理中的应用[J].信息与控制，2003-08-23.

[2]李伟光.神经网络在图像处理中的应用研究[D].山东大学，2006-04-06.

[3]房华.脉冲耦合神经网络在图像处理中的应用研究[D].西安石油大学，2010-05-20.

作者单位

云南大学滇池学院 云南省昆明市 650228