神經網絡的高反差圖像增強算法研究

梁康康，李 濤

(西安郵電大學 計算機學院，陜西 西安 710121)

神經網絡的高反差圖像增強算法研究

梁康康，李 濤

(西安郵電大學 計算機學院，陜西 西安 710121)

針對多尺度Retinex算法在圖像增強過程中存在的算法運算量大的問題，提出了將RBF神經網絡作為高反差圖像增強算法。該算法從訓練數據集中獲取以3×3為鄰域像素的特征向量以及目標圖像對應的特征向量，通過聚類算法來確定網絡隱含層的中心向量和擴展常數，采用梯度下降法使網絡快速收斂得到最優解。利用RBF神經網絡建立高反差圖像與增強算法之間的非線性映射關系，根據神經網絡參數進行快速圖像處理，從而實現圖像實時處理。仿真實驗結果表明，與傳統的基于Retinex理論算法相比，基于神經網絡的高反差圖像增強算法，不僅能夠改善圖像邊緣以及細節，而且圖像的清晰度也十分明顯。因此，所提出的算法是一種有效的圖像增強算法，在高反差圖像增強中具有較好的應用前景。

神經網絡；高反差；特征向量；快速收斂；圖像增強

0 引 言

圖像增強，在圖像處理的實際應用中起著很重要的作用。其中，高反差處理[1]尤為突出，它是對圖像中感興趣的部分采用特定技術，增強后的圖像相比原圖像，可以滿足某些特殊分析的需要，比如圖像的邊緣或者紋理的加深等。在傳統的圖像處理中，對高反差圖像的處理方法有均衡化直方圖法[2]、頻域和空域的增強方法、小波變換增強以及基于Retinex理論的算法等[3]。……