ارائه‌ي روشي جديد در بازيابي تصاوير رنگي با استفاده از شبكه‌هاي عصبي

Provides a new way to recover color images using neural networks

بازيابي تصاوير ديجيتال يكي از مسائل بااهميت در كاربردهاي بنياني ماشين تشخيص الگو و پردازش تصاوير پزشكي و ماهواره‌اي است. در اين كاربردها تصاوير ديجيتال از منابع مختلفي به دست مي‌آيند كه در محيط گيرنده يا حس كننده دستخوش سيگنال‌هاي ناخواسته)نويز( مي‌گردند. اين روش براي بازيابي تصوير از يك شبكه عصبي استفاده مي‌كند كه نر ون‌هاي آن جهت نمايش سطوح خاكستري تصوير بكار گرفته مي‌شوند. در شبكه عصبي RBF سيگنال‌هاي ورودي مستقيماً وارد سلول‌هاي مخفي مي‌شوند. توابع فعاليت در اين شبكه‌ها محلي مي‌باشند. تعداد سلول‌هاي لايه‌ي مخفي از روش سعي و خطابه دست مي‌آيد. تعداد سلول‌هاي لايه خروجي برابر با تعداد خروجي‌هاست. شبكه RBF يك نوع مهم از شبكه‌هاي عصبي است كه مي‌تواند نگاشت غيرخطي بين مجموعه‌اي از متغيرهاي ورودي و مجموعه‌اي از متغيرهاي خروجي نشان دهد. ما از 2 لايه براي شبكه RBF كه تعداد لايه‌هاي پنهان به‌صورت تجربي محاسبه‌شده استفاده كرديم.

Digital image retrieval is one of the key issues in the basic uses of pattern recognition cameras and the processing of medical and satellite images. In these applications, digital images come from a variety of sources that, in the receiver or sensor environment, undergo unwanted (noise) signals. This method uses a neural network to retrieve an image that is used by the male to display gray levels of the image. In the RBF neural network, the input signals go directly to hidden cells, the activity functions in these networks are locally, the number of hidden layer cells is obtained from the trial method, the number of cells in the output layer is equal to the number of outputs, the RBF network is an important type of neural network Which can not map We show a split between a set of input variables and a set of output variables. We used 2 layers for the RBF network, which employs the number of hidden layers.