[发明专利]一种基于BP神经网络的图像复原方法

权利要求书

1.一种基于BP神经网络的图像复原方法，其特征在于：包括如下步骤：

(1)对原始图像进行初始化权值；

(2)对进行初始化后的图像进行卷积运算；

(3)对进行卷积运算后的图像进行池化；

(4)输出池化后图像的损失函数；

(5)判断损失函数是否收敛；如果收敛执行步骤(6)；如果不收敛则返回步骤(1)，重新更新权值；

(6)提取池化后图像的一维特征向量输入BP神经网络；

(7)初始化BP神经网络权值；

(8)计算BP神经网络的单元输出；

(9)计算单元输出的偏差；

(10)将单元偏差与阈值进行比较，如果单元偏差小于等于阈值则进行步骤(11)；如果单元偏差大于阈值则返回步骤(7)更新BP神经网络权值；

(11)BP神经网络输出对应原始图像的矩阵的中心像素值，进行图像复原。

2.根据权利要求1所述的所述的一种基于BP神经网络的图像复原方法，其特征在于：对原始图像进行初始化权值的方法包括：

qn＝q+αΔq；

Δq＝▽wE；

▽w＝min(E)；

E＝0.5||f(x)-y||²；

qn为更新的权值；q为原始权值；α为学习率；f(x)为前向传播最后输出，y是目标输出像素值。

3.根据权利要求1所述的所述的一种基于BP神经网络的图像复原方法，其特征在于：所述的对初始化后的图像进行卷积运算是在卷积神经网络中进行的，具体包括：

所述的卷积神经网络中设置有R个卷积核，每个卷积核输出一个特征图，输入的图像数据经过卷积核的运算，再对结果进行平均之后得到一个输出卷积运算后的图像；

其中T_j代表第j个输出特征图，Y_j代表第j个卷积核的权值参数二维矩阵，U_i代表第i个输入的二维数据结构，M表示输入数据总数。

4.根据权利要求1所述的所述的一种基于BP神经网络的图像复原方法，其特征在于：所述的对进行卷积运算后的图像进行池化包括最大值池化、中值池化和随机池化。

5.根据权利要求1所述的所述的一种基于BP神经网络的图像复原方法，其特征在于：所述的输出池化后图像的损失函数为：

n(x,y)＝H[f(x,y)]-G(x,y)；

G(x,y)为池化后的图像；f(x,y)为进行卷积运算后的图像；H[*]为综合所有代价因素的函数；

所述的BP神经网络为三层，输入层神经元个数为9，中间隐含层神经元个数为20，并采用Sigmoid转换函数，输出层大小为1×1；隐含层选择Sigmoid转换函数，输入层要对图像灰度值先进行归一化处理到区间[0，1]。

6.根据权利要求1所述的所述的一种基于BP神经网络的图像复原方法，其特征在于：

通过计算均方误差来更新所述BP神经网络权值，具体包括：

G2_pm＝G1_pkβ(F1_pk)

A为输入神经元，S为隐层神经元，D为输出神经元个数。F1_pk和F2_pm分别为隐层和输出层的输出值，G1_pk和G2_pm分别为输入层到隐层和隐层到输出层的连接权值，J_pm为输入学习样本，输入学习样本对应的期望输出值为K_pm；β(*)为BP神经网络卷积核函数；μ为BP神经网络学习率。

7.根据权利要求1所述的所述的一种基于BP神经网络的图像复原方法，其特征在于：所述的单元输出的偏差为：

V＝K_pm-f(x,y)。