基于广义回归神经网络的图像修复算法
2017年11月 计算机工程与设计
Nov. 2017第 38 卷第 11 期
COMPUTER ENGINEERING AND DESIGN
Vol. 38 No. 11
基于广义回归神经网络的图像修复算法
王文霞、王春红、葛少磊2
(1.运城学院计算机科学与技术系，山西运城044000;2.太原理工大学计算机科学与技术学院，山西太原030024)
摘
要：根据人类视觉感知的连通原理，提出一种基于广义回归神经网络的图像修复算法，该算法通过对图像数据进行回
归分析确定缺失区域，具有简单和有效的特点。#?据尺寸对缺失区域进行分离以及分类，将广义回归神经网络用于每个缺 失区域，以便修复损坏的像素点。在文字去除、划痕去除以及噪声去除3个应用方面，对该算法的性能进行评估，采用客 观衡量方式对修复图像的视觉质量进行评估。实验结果表明了该算法的有效性和可靠性。
关键词：图像修复；广义回归神经网络；文字去除；峰值信噪比；划痕去除 中图法分类号：TP391
文献标识号：A
文章编号：1000-7024 (2017) 11-3125-06
doi ： 10. 16208/j. issnl000-7024. 2017. 11. 041
Image restoration algorithm based on generalized regression neural network
W A N G W e n -x i a 1，W A N G C h u n -h o n g 1，G E S h a o -l e i 2
(1. Department of Computer Science and Technology, Yuncheng University, Yuncheng 044000，China ；2. School of Computer Science and Technology, Taiyuan University of Technology, Taiyuan 030024，China)
Abstract ： A new image restoration algorithm based on generalized regression neural network was proposed according to the
human visual perception. It was simple and effective to determine the missing area by regression analysis of the image data. According to the size, the missing area was separated and classified. The generalized regression neural network was used for each missing area, to repair the damaged pixels. The performance of the proposed algorithm was evaluated in three applications including word removal，scratch removal and noise removal, and the visual quality of the restored image was evaluated using the objective measurement. Experimental results show that the proposed algorithm is effective and reliable.
Key words ： image restoration ； G RN N ； character removal ； PSNR ； scratch removal
生物神经系统的模仿，将多个简单的计算元件（神经元） 融合于高度互联的系统，以便模仿在生物神经元内处理信息的方法[6]。
本文提出了利用基于广义回归神经网络（GRNN)填满图像的缺失或者受损区域的方法。首先，根据尺寸对 缺失区域进行分离以及分类；然后，算法继续将G R N N 网 络用于每个缺失区域，以便修复损坏的像素点。
1广义回归神经网络原理
G R N N 包括4层：输人层、模式层、求和层以及输出
层。图1是单个输出G R N N 网络的方框图。此网络中的输 人数量与模型的独立性的数量一样。由模式层的神经元表
收稿日期：2016-09-29;修订日期：2016-11-08
基金项目：国家自然科学基金项目（11241005);山西省运城学院131人才专项基金项目（JG201634)
作者简介：王文霞（1979-），女，山西运城人，硕士研究生，讲师，研究方向为计算机图像算法的分析与研究；王春红（1965 -)，女，山 西运城人，教授，研究方向为事信息检索及算法分析；葛少磊（1984 -)，男，广西北流人，博士，副教授，研究方向为计算机图形学。
E-m ail ： xll96816@https://www.wendangku.net/doc/3f13616387.html,
〇引言
在数字领域中，图像修复[M ]问题贯穿于计算机图形、 图像以及信号处理。从数学角度来看，图像修复实质上是 插值问题，所以会与图像处理和计算机视觉领域的其它重 要任务部分相同，如：图像替换、噪声去除、图像复原、 电影修复、图像缩放和超分辨[4]以及错误隐藏。
近来，一些研究人员提出将人工神经网络用于图像修 复[5]。人工神经网络（AN N )是用于黑箱建模的最强大的 常用工具之一，是根据真实的生物神经网络进行的设计, 广泛用于汽车工业、银行业、电子工业、金融业、制造业 以及机器人技术等多个领域。人工神经网络的发展源于对