基于径向基函数神经网络的超分辨率图像重建.pdfVIP

第 18卷 第 6期 光学 精密工程 V0L18 No．6 2010年 6月 OpticsandPrecisionEngineering Jun．2010 文章编号 1004—924X(2010)06—1444—08 基于径向基函数神经网络的超分辨率图像重建 朱福珍，李金宗，朱 兵，李冬冬，杨学峰 (哈尔滨工业大学 图像信息与工程研究所，黑龙江哈尔滨150001) 摘要 ：为 了突破成像极限，经济可行地获取高质量的卫星 图像 ，提 出了一种基于径 向基神经网络 的超分辨率 图像重建算 法。以径 向基神经网络为基础 ，依据卫星图像退化模型获取网络训练所需的学习样本图像 ，采用向量映射 的方式加速网 络收敛 。其 中，径 向基函数的中心、宽度及 网络 的隐含层数、连接权值是决定径 向基神经网络的关键参数 ，直接关系到网 络的重建性能。采用最近邻聚类算法 ，动态地建立起基函数的中心及宽度 ，自适应地确定网络的隐含层数及连接权值 。 建立起 的径 向基函数神经网络显著地提高了图像重建性能和 网络收敛速度 (221S即可收敛)。仿真实验和泛化实验表 明，训练好的径 向基神经网络可以有效地进行卫星图像 的超分辨率重建，效率高，误差小 。 关 键 词 ：图像重建；超分辨率；径向基神经 网络；最近邻聚类；向量映射 中图分类号 ：TP183；TP391．4 文献标识码 ：A doi：10．3788／OPE．2O101806．1444 Super-resolution imagereconstruction basedon RBF neuralnetwork ZHU Fu—zhen；LIJin—zong；ZHU Bing；LIDong—dong；YANG Xue—feng (InstituteofImageInformationTechnologyandEngineering，HarbinInstituteof Technology，Harbin 150001，China) Abstract：In ordertobreak throughthelimitationsofimagingdevicesandtoresolvetheproblemsof Super—ResolutionReconstruction (SRR)ofasatelliteimage。animagereconstructionbasedontheRa— dialBasisFunctionNeuralNetwork (RBFNN) isproposed．First，learningsampleimagesareac— quiredaccordingtoasatelliteimageobservationmodelandthevectormappingisestablishedtospeed uptheconvergenceofRBFNN．Then，thenearestneighborclusteringalgorithm isusedtodynamically establishthecentersandwidthsofRBF，anddecideadaptivelythenumberofhiddenlayersandcon— nectionweightsofanet，whichareveryimportantparametersforRBFNN．Themethodcanimprove theperformanceofSRR ofsatelliteimageandspeeduptheconvergenceofRBFNN to221S．Experi— mentalresultsofsimulation and generalization indicatethatthewell—trained RBFNN can realizethe SRR ofsatelliteimagesinhigherspatiaIresolutions，higherefficienciesandlowererrors． Keywords：imagereconstruction；super—resolution；RBF neuralne