基于差分进化优化的BP神经网络图像复原方法

作     者：张勇 何泽裕 赵东宁 张席 ZHANG Yong;HE Zeyu;ZHAO Dongning;and ZHANG Xi

作者机构：深圳大学ATR国防科技重点实验室广东深圳518060 深圳大学信息工程学院广东深圳518060 深圳技术大学基础教学部广东深圳518118 

出 版 物：《深圳大学学报（理工版）》 (Journal of Shenzhen University(Science and Engineering))

年 卷 期：2018年第35卷第4期

页      面：405-412页

学科分类：08[工学] 0835[工学-软件工程] 081202[工学-计算机软件与理论] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：广东省自然科学基金资助项目(2015A030310172) 深圳市科技计划资助项目(JCYJ20170302145623566) 深圳技术大学资助项目(2018010802008) 

主　　题：图像处理 模糊图像 图像复原 BP神经网络 差分进化 峰值信噪比 结构相似性 

摘      要：针对back-propagating(BP)神经网络收敛速度慢、易陷入局部最小的问题,基于差分进化算法,改进其差分策略,提出随机缩放差分进化(random scaling-differential evolution,RSDE)优化的BP神经网络(RSDE-BP)图像复原方法.该方法用高斯噪声对无噪图像进行模糊处理,将模糊图像和原图像组成训练对,用于训练和优化RSDE-BP算法.最后利用训练好的BP神经网络对测试图像进行复原,从而达到去除噪声的目的.仿真结果表明,与BP神经网络、PSO-BP算法和DE-BP算法相比,所提出的算法收敛速度快,迭代次数少,且复原图像在峰值信噪比和结构相似性等指标方面有很好效果.与自适应全变差复原方法和二阶广义全变差正则项复原方法相比,该方法能够较好地恢复被噪声和模糊污染的图像,同时可以很好地保留图像的纹理和细节信息.