X为了获得更好的用户体验,请使用火狐、谷歌、360浏览器极速模式或IE8及以上版本的浏览器
关于我们
欢迎来到科易网(仲恺)技术转移协同创新平台,请 登录 | 注册
尊敬的 , 欢迎光临!  [会员中心]  [退出登录]
成果 专家 院校 需求
当前位置: 首页 >  科技成果  > 详细页

[01299713]基于整体变分模型和神经网络的运动模糊图像恢复方法

交易价格: 面议

所属行业: 网络

类型: 非专利

交易方式: 资料待完善

联系人:

所在地:

服务承诺
产权明晰
资料保密
对所交付的所有资料进行保密
如实描述
|
收藏
|

技术详细介绍

本发明公开了一种基于整体变分模型和神经网络的运动模糊图像恢复方法,主要解决现有方法无法获得较精确的恢复图像的问题。

其实现过程为:

(1)构造Toeplitz矩阵;

(2)计算水平和垂直方向上的梯度;

(3)初始化神经网络;

(4)计算神经元输出;

(5)计算神经网络输出;

(6)计算网络能量函数的第一改变量ΔE1;

(7)若神经元全部更新结束,转步骤(4);

否则转步骤(8);

(8)若达到设定迭代次数,输出恢复结果;

否则转步骤(9);

(9)计算恢复误差;

(10)若恢复误差小于设定误差,输出恢复结果;

否则转步骤(11);

(11)计算当前输入偏置矩阵;

(12)计算网络能量函数的第二改变量ΔE2;

(13)若ΔE1+ΔE2<0,转步骤(2);

若ΔE1+ΔE2≥0,转步骤(3);

若ΔE1=0,输出恢复结果。

本发明能获得较精确的恢复图像,可用于对运动模糊图像的恢复。

本发明公开了一种基于整体变分模型和神经网络的运动模糊图像恢复方法,主要解决现有方法无法获得较精确的恢复图像的问题。

其实现过程为:

(1)构造Toeplitz矩阵;

(2)计算水平和垂直方向上的梯度;

(3)初始化神经网络;

(4)计算神经元输出;

(5)计算神经网络输出;

(6)计算网络能量函数的第一改变量ΔE1;

(7)若神经元全部更新结束,转步骤(4);

否则转步骤(8);

(8)若达到设定迭代次数,输出恢复结果;

否则转步骤(9);

(9)计算恢复误差;

(10)若恢复误差小于设定误差,输出恢复结果;

否则转步骤(11);

(11)计算当前输入偏置矩阵;

(12)计算网络能量函数的第二改变量ΔE2;

(13)若ΔE1+ΔE2<0,转步骤(2);

若ΔE1+ΔE2≥0,转步骤(3);

若ΔE1=0,输出恢复结果。

本发明能获得较精确的恢复图像,可用于对运动模糊图像的恢复。

推荐服务:

Copyright © 2015 科易网 版权所有 闽ICP备07063032号-5