基于GA-BP神经网络的图像椒盐噪声自适应滤波方法技术

本发明专利技术公开了一种基于GA-BP神经网络的图像椒盐噪声自适应滤波方法，首先用遗传算法优化BP神经网络的初始权值和初始阈值；其次训练GA-BP神经网络；再用训练好的GA-BP神经网络对图像进行噪声检测；最后对检测出的图像噪声点进行自适应均值滤波。本发明专利技术明使用遗传算法来优化BP神经网络的初始权值和阈值，可以较好地解决BP算法易陷入局部极小、收敛速度慢等问题，并且可以有效提高神经网络的泛化能力。

【技术实现步骤摘要】

本专利技术涉及一种图像噪声滤波方法，更具体地说是一基于GA-BP神经网络的图像椒盐噪声自适应滤波方法。
技术介绍
图像在获取和传输的过程中经常会受到椒盐噪声的影响，有效去除图像中噪声的同时保持它的特征是图像处理中的一个基本问题。中值滤波是去除图像椒盐噪声最常用的方法之一，运算简单效率高，但是滤波效果受滤波窗口大小的影响，而且中值滤波对所有的像素进行统一处理，信号点和噪声点都被改变了，造成了图像边缘细节的模糊。针对中值滤波的这种缺陷，先进行噪声定位再滤波的思想应运而生。学者们据此提出了多种改进算法，如开关中值(SMF)滤波方法、递进开关中值(PSM)滤波方法、极值中值(EM)滤波方法、自适应中值滤波(AMF)方法等。这些算法滤波质量和保护图像细节能力有所提高，但在实际应用中都有各自的局限性，尤其是当噪声密度较大时滤波效果不理想。BP神经网络泛化能力强，结构简单易于实现，适合解决判断图像像素为噪声点还是信号点的分类问题，但是BP神经网络的寻优不具有唯一性，会出现局部极小现象；另一方面，初始权值和阈值是随机给的，导致了训练的次数较多，收敛速度慢。遗传算法是模拟生物在自然环境中的遗传和进化本文档来自技高网...

【技术保护点】
一种基于GA?BP神经网络的图像椒盐噪声自适应滤波方法，其特征在于，包括以下几个步骤：步骤一、用遗传算法优化BP神经网络的初始权值和初始阈值；步骤二、训练GA?BP神经网络；步骤三、用训练好的GA?BP神经网络对图像进行噪声检测；步骤四、对检测出的图像噪声点进行自适应均值滤波。

【技术特征摘要】
1.一种基于GA-BP神经网络的图像椒盐噪声自适应滤波方法，其特征在于，包括以下几个步骤: 步骤一、用遗传算法优化BP神经网络的初始权值和初始阈值； 步骤二、训练GA-BP神经网络； 步骤三、用训练好的GA-BP神经网络对图像进行噪声检测； 步骤四、对检测出的图像噪声点进行自适应均值滤波。2.根据权利要求1所述基于GA-BP神经网络的图像椒盐噪声自适应滤波方法，其特征在于，所述步骤一中用遗传算法优化BP神经网络的初始权值和初始阈值，具体为:首先用遗传算法对初始权值和初始阈值进行快速的全局搜索，再利用BP算法在局部进行最优搜索，获得BP神经网络的初始权值和初始阈值的最优值。3.根据权利要求1所述基于GA-BP神经网络的图像椒盐噪声自适应滤波方法，其特征在于，所述步骤二中训练GA-BP神经网络，具体为:用计算机生成初始棋盘格图像作为训练图像，将图像分为8块并分别加入不同密度的噪声，然后用噪声图像减去原始图像，由此得到图像噪声位置映像，并将其作为神经网络训练的目标...

【专利技术属性】
技术研发人员：叶小岭，张颖超，张齐东，窦艳艳，胡凯，
申请(专利权)人：南京信息工程大学，
类型：发明
国别省市：