小型微型计算机系统
小型微型計算機繫統
소형미형계산궤계통
MINI-MICRO SYSTEMS
2005年
4期
676-679
,共4页
RBF%神经网络%Kalman滤波器%ISNR
RBF%神經網絡%Kalman濾波器%ISNR
RBF%신경망락%Kalman려파기%ISNR
利用Kalman滤波嚣训练图像修复RBF网络模型的权值与基函数的中心,由于利用滤波器测量噪声的协方差阵实现整个模型的图像降噪功能,新算法边缘修复能力较强.本文通过仿真,检验了新模型的降噪能力;结果证明,新算法较一般的维纳滤波器,均值滤波降噪能力明显提高.
利用Kalman濾波囂訓練圖像脩複RBF網絡模型的權值與基函數的中心,由于利用濾波器測量譟聲的協方差陣實現整箇模型的圖像降譟功能,新算法邊緣脩複能力較彊.本文通過倣真,檢驗瞭新模型的降譟能力;結果證明,新算法較一般的維納濾波器,均值濾波降譟能力明顯提高.
이용Kalman려파효훈련도상수복RBF망락모형적권치여기함수적중심,유우이용려파기측량조성적협방차진실현정개모형적도상강조공능,신산법변연수복능력교강.본문통과방진,검험료신모형적강조능력;결과증명,신산법교일반적유납려파기,균치려파강조능력명현제고.