基于RBF神经网络的COSM图像复原算法

在计算光学切片显微技术成像中,每幅切片图像都要受到其他离焦层信息的干扰,引起图像模糊。针对此问题提出了一种基于RBF神经网络的复原算法,利用神经网络的学习和泛化能力,用一组样本图像对网络进行训练,建立含有离焦模糊信息的模糊三维图像与其对应清晰图像间的非线性映射关系,然后用训练好的网络进行图像复原。实验证明该算法的复原速度快,且复原的三维图像在主观视觉和定量分析上都获得了较好的效果。

基于BP神经网络的雾天图像复原算法

针对雾天图像的特点,提出了一种基于粒子群优化算法的BP人工神经网络的雾天图像复原算法。算法无需依据大气模型,它利用BP神经网络的自学习、自记忆和泛化能力,先用一组样本图像对网络进行训练,建立雾天图像与其对应的清晰图像之间的非线性映射关系,然后利用训练好的BP神经网络对待复原的雾天图像进行复原处理。实验表明该算法能有效地提高图像清晰度和对比度,视觉效果明显改善。

维纳滤波和调整EM算法在COSM中的应用

用基于深度变化成像模型的调整EM算法进行三维显微图像复原,不能更好地复原图像细节,而且耗时长。为提高图像的复原质量,缩短时间,提出把维纳滤波和调整EM算法相结合的算法。该算法首先利用加权小波去除图像的部分离焦模糊,再用维纳滤波算法进行滤波复原,最后用基于深度变化成像模型的调整EM算法对序列图进行复原。实验表明复原效果得到了明显改善,并减少了迭代次数,效率明显提高。

基于遗传BP神经网络的COSM图像复原算法

提出了一种基于遗传BP人工神经网络的COSM图像复原算法,利用BP神经网络的学习记忆和泛化能力,通过用一组COSM样本图像对网络进行训练,建立含有离焦模糊的模糊三维图像与清晰三维图像之间的非线性映射关系,然后利用训练好的BP神经网络对待复原的COSM图像进行复原处理,从而实现COSM图像复原.复原的三维图像无论在主观视觉还是定量分析上都取得了很好的效果.与传统的图像复原算法不同,该算法免去了解卷积等复杂的运算,不存在病态问题,可广泛应用于模糊图像的复原中并且效果较好.