The use of windows with an adaptive neural network for shape filtering and image interpolation

P.V. Skribtsov; P.A. Kazantsev; A.V. Dolgopolov

The use of windows with an adaptive neural network for shape filtering and image interpolation

P.V. Skribtsov¹, P.A. Kazantsev², A.V. Dolgopolov³

research article Pages: 60-65

¹ к.т.н., ген. директор, ООО «ПАВЛИН Техно»
² к.т.н., руководитель группы разработчиков, ООО «ПАВЛИН Техно»
³ ООО «ПАВЛИН Техно», www.pawlin.ru, www.pawlin.com

Keywords: noise filtering interpolation image image processing neural network algorithms neural network filtering

Abstract

The article describes a generic algorithm for neural network filtering and interpolation ofimages. The choice of the form window is based on measuring the generalizingproperties of neural networks. For training neural networks using the method of extremal learning. Algorithm is shown to be effective in practice.

How to cite

Скрибцов П.В., Казанцев П.А., Долгополов А.В. Применение окон с адаптивной формой для нейросетевой фильтрации и интерполяции изображений // Нейрокомпьютеры: разработка, применение. 2012. № 9. С. 60–65.

References

Нейрокомпьютеры в прикладных задачах обработки изображений / под ред. А.Н. Балухто,А.И. Галушкина. М.: Радиотехника. 2007.
Хайкин С., Нейронные сети: полный курс. М.: Вильямс. 2006.
Галушкин А.И. Нейрокомпьютеры. М.: Радиотехника. 2002.
Галушкин А. И. Теория нейронных сетей. М.: Радиотехника. 2000.
Atkins, C. B., Bouman, C. A., and Allebach J.P., Optimal image scaling using pixel classification // In IEEE International Conference on Image Processing. V. 3. P. 864-867. September 2001.
Staelin, C., Greig, D., Fischer, M., Maurer, Ron Neural Network Image Scaling Using Spatial Errors. TechnicalReportHPL-2003-26R1 20031110.
Скрибцов П. В., Долгополов А. В. Нейросетевая фильтрация и увеличение цифровых изображений // Труды 9-й Междунар. конф. «ЦифроваяОбработкаСигналовиПрименения (DSPA-07). М.: ИПУ. Март 28-30. 2007.
Huang, G.-B. and Siew, C.-K., Extreme Learning Machine: RBF Network Case // Proceedings of the Eighth International Conference on Control, Automation, Robotics and Vision (ICARCV-2004). Dec 6-9, Kunming, China.
Huang, G.-B., Zhu, Q.-Y. and Siew, C.-K., Real-Time Learning Capability of Neural Networks // IEEE Transactions on Neural Networks. 2006. V. 17. № 4. P. 863-878. (Technical Report ICIS/45/2003).
Huang, G.-B., Zhu, Q.-Y. and Siew, C.-K., Extreme Learning Machine: Theory and Applications // Neurocomputing. 2006. V. 70. P. 489-501. (Technical ReportICIS/03/2004).
Huang, G.-B., Wang, D. H., and Lan, Y.,Extreme Learning Machines: A Survey // International Journal of Machine Leaning and Cybernetics. 2011. V. 2. № 2. P. 107-122.
Rajesh, R., Siva Prakash, J., Extreme Learning Machines - A Review and State-of-the-art // International journal of wisdom based computing. 2011. V. 1(1).
Xiaoliang Tang, Min Han, Partial Lanczos extreme learning machine for single-output regression problems // Neurocomputing. 2009. V. 72. P. 3066-3076.
Swingler, K., Applying Neural Networks. ApracticalGuide: пер. Ю. П. Маслобоева/ http://matlab.exponenta.ru/neuralnetwork/book4/index.php.
Воронцов К. В. Лекции по алгоритмам восстановления регрессии: http://www.ccas.ru/voron/download/Regression.pdf.

Full text, PDF 350 ₽

[1] Нейрокомпьютеры в прикладных задачах обработки изображений / под ред. А.Н. Балухто,А.И. Галушкина. М.: Радиотехника. 2007.

[2] Хайкин С., Нейронные сети: полный курс. М.: Вильямс. 2006.

[3] Галушкин А.И. Нейрокомпьютеры. М.: Радиотехника. 2002.

[4] Галушкин А. И. Теория нейронных сетей. М.: Радиотехника. 2000.

[5] Atkins, C. B., Bouman, C. A., and Allebach J.P., Optimal image scaling using pixel classification // In IEEE International Conference on Image Processing. V. 3. P. 864-867. September 2001.

[6] Staelin, C., Greig, D., Fischer, M., Maurer, Ron Neural Network Image Scaling Using Spatial Errors. TechnicalReportHPL-2003-26R1 20031110.

[7] Скрибцов П. В., Долгополов А. В. Нейросетевая фильтрация и увеличение цифровых изображений // Труды 9-й Междунар. конф. «ЦифроваяОбработкаСигналовиПрименения (DSPA-07). М.: ИПУ. Март 28-30. 2007.

[8] Huang, G.-B. and Siew, C.-K., Extreme Learning Machine: RBF Network Case // Proceedings of the Eighth International Conference on Control, Automation, Robotics and Vision (ICARCV-2004). Dec 6-9, Kunming, China.

[9] Huang, G.-B., Zhu, Q.-Y. and Siew, C.-K., Real-Time Learning Capability of Neural Networks // IEEE Transactions on Neural Networks. 2006. V. 17. № 4. P. 863-878. (Technical Report ICIS/45/2003).

[10] Huang, G.-B., Zhu, Q.-Y. and Siew, C.-K., Extreme Learning Machine: Theory and Applications // Neurocomputing. 2006. V. 70. P. 489-501. (Technical ReportICIS/03/2004).

[11] Huang, G.-B., Wang, D. H., and Lan, Y.,Extreme Learning Machines: A Survey // International Journal of Machine Leaning and Cybernetics. 2011. V. 2. № 2. P. 107-122.

[12] Rajesh, R., Siva Prakash, J., Extreme Learning Machines - A Review and State-of-the-art // International journal of wisdom based computing. 2011. V. 1(1).

[13] Xiaoliang Tang, Min Han, Partial Lanczos extreme learning machine for single-output regression problems // Neurocomputing. 2009. V. 72. P. 3066-3076.

[14] Swingler, K., Applying Neural Networks. ApracticalGuide: пер. Ю. П. Маслобоева/ http://matlab.exponenta.ru/neuralnetwork/book4/index.php.

[15] Воронцов К. В. Лекции по алгоритмам восстановления регрессии: http://www.ccas.ru/voron/download/Regression.pdf.

Abstract

How to cite

Related articles