چکيده

در این تحقیق، روشی جدید از نوع کلاسه بندی نزدیک ترین همسایگی (NNC) مبتنی بر شبکه عصبی شعاعی (RBF) بازگشتی پویا برای بازیابی و ترمیم تصاویر رنگی مد نظر قرار گرفته است. در این روش، یک شبکه چند لایه (MLP) و یک شبکه RBF تلفیق گردیده و الگوی کلاسه بندی مبتنی بر ترکیب توام آنها حاصل شده است.

ساختار سیستمی این روش به صورت خود سازمانده بوده لذا نمونه ها می توانند به صورت دلخواه حذف و یا اضافه شوند. کلاسه بندی پویا سبب حذف همه مقایسات که بخش حیاتی روش های عمومی NNC می باشند گردید است. برخی از نتایج حاصل شده از نویز زدایی تصاویر حاکی از عملکرد مطلوب این مدل می باشد. همچنین، روش جدید مقاومت بالایی در برخورد با سطوح بالای نویز می باشد.

نتیجه گیری

در این تحقیق کلاسه بندی داده ها جهت ترمیم تصاویر رنگی مبتنی بر تلفیق شبکه شعاعی و mlp انجام شده است به طوری که شبکه mlp به وزندهی خروجی های شبکه شعاعی و تغذیه نودهای گرادیان سیستم سبب بهبود آموزش شبکه نهایی شده و مقاومت شبکه نهایی را در برابر نویز بهبود می بخشد.

بازیابی و ترمیم تصاویر رنگی مبتنی بر شبکه عصبی RBF بازگشتی پویا

Color Image Restoration Based on Dynamic Recurrent RBF Neural Network

Published in: IEEE

Date of Publication: 2007

مشخصات شبيه ساز:

دکتری مهندسی پزشکی

دانشگاه شهید بهشتی

محتويات:

• اصل مقاله
• پياده سازي در متلب
• ضميمه کردن گزارش فارسي

دانلود فايل

فايل صوت توضيح متخصص + فیلم نيز موجود ميباشد که در صورت نياز و با پرداخت جداگانه ايميل ميشود.

Papersim2015@gmail.com