排序方式: 共有1条查询结果,搜索用时 31 毫秒
1
1.
为了提高图像插值质量,利用前向反馈人工神经网络(BP-ANN)的自学习、自适应和泛化能力,开展分区BP-ANN图像差值研究.将图像中待插值像素划分为光滑区和边缘区,每个区分别对应1个BP-ANN进行图像差值操作,并通过3组实验确定分区BP-ANN的网络结构、采点模式和插值流程.结果表明,采用8-16-1拓扑结构的BP-ANN算法可达到图像的可视化质量和时间之间的最佳平衡点;与经典线性均值(LA)图像插值算法相比,分区BP-ANN算法在保持最佳视觉效果的前提下,峰值性噪比高约0.593 8 dB. 相似文献
1