一种基于小波变换和Hopfield神经网络的运动模糊图像恢复方法

摘要

一种基于小波变换和Hopfield神经网络的运动模糊图像恢复方法，首先获取待恢复运动模糊的图像，并对该图像进行预处理以消除噪声；然后对图像进行小波变换，在变换域内利用Hopfield神经网络的恢复算法修正小波系数，同时可以保护模糊图像的边缘细节；最后再用小波逆变换重构恢复图像，本发明可以充分利用小波变换和神经网络的优点，在变换域内实现并行恢复退化图像，时间与空间上都可达到快速有效；应用于道路交通、视频监控、案件侦查等领域，能够较好地解决退化图像的复原问题，快速准确地记录违规车辆信息，精确识别视频监控中的嫌疑目标等，不仅可以减少交通事故的发生，还可以减少经济损失，促进经济发展，具有一定的市场潜力。

主权项

一种基于小波变换和Hopfield神经网络的运动模糊图像恢复方法，包括如下步骤：步骤1，获取待恢复运动模糊的图像，并对该图像进行预处理以消除噪声；步骤2，对图像进行小波变换，在变换域内利用Hopfield神经网络的恢复算法修正小波系数；步骤3，再用小波逆变换重构恢复图像；所述步骤1中，先建立图像的退化模型，Y＝HX+N；其中，Y表示退化图像，X表示原始图像，即要求量，H表示退化函数，N为加性噪声；然后，对于获取的待恢复运动模糊的图像，采用小波阈值方法进行初步去噪；其特征在于，所述步骤2中，对预处理后的图像进行一层小波分解，得到小波系数阵Y＝[ca，ch，cv，cd]，其中ca代表低频系数，ch代表水平方向的高频系数，cv代表垂直方向的高频系数，cd代表斜边缘方向的高频系数，令ca＝Y¹，取X(0)＝H^TY¹为初始值，其中H为退化函数，为一个模糊矩阵；进行迭代运算，根据Hopfield神经网络的每个神经元状态变化规则，v_i＝g(u_i)，v_i为每个神经元的状态，u_i为每个神经元的输入，使修正后的小波系数X^new＝g(X^old+ΔX)，ΔX表示神经元状态的变化量，即小波系数的增量，ΔX＝γu_i，γ是引入的一个随机参数，表征它与输入的关系，γ>0；对ch、cv和cd做同样的运算，并行访问所有系数，修正所有待恢复的小波系数；计算Hopfield神经网络的能量函数E，计算当小波系数由X^old恢复到X^new时能量的变化量ΔE，设定误差范围err，达到误差范围则停止计算，否则继续迭代。