基于卷积神经网络的交通监控模糊图像复原技术
石晓玲
杨英仓
尤超
摘要：传统模糊图像复原技术通常将清晰自然图像梯度符合统计学重尾分布作为假设条件,复原的效果对先验参数的依赖度大.本文吸收人工智能的概念,提出了一种使用深度卷积神经网络复原模糊图像的方法,建立了一种端到端的处理模型.该模型利用多层神经网络表达非线性的图像退化和复原过程,并使用反向传播算法优化各层权重.实验结果显示,采用大量生成样本训练的模型能够很好的复原交通监控中运动模糊的图像,为交通监控提供帮助.
关键词：交通监控卷积神经网络模糊图像复原梯度下降法
论文发表日期：2017-01-01
页数：3( 147-149 )
英文信息