Применение окон с адаптивной формой для нейросетевой фильтрации и интерполяции изображений

П.В. Скрибцов; П.А. Казанцев; А.В. Долгополов

Применение окон с адаптивной формой для нейросетевой фильтрации и интерполяции изображений

П.В. Скрибцов¹, П.А. Казанцев², А.В. Долгополов³

научная статья Страницы: 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

Ключевые слова: фильтрация шумов интерполяция изображений обработка изображений нейросетевые алгоритмы нейросетевая фильтрация

Аннотация

Дано описание универсального алгоритма для нейросетевой фильтрации и интерполяции изображений. Выбор формы окна основан на измерении обобщающих свойств нейронных сетей. Для обучения нейронных сетей использован метод экстремального обучения. Алгоритм показал свою эффективность на практике.

Для цитирования

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.

Список источников

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.

[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.

Аннотация

Для цитирования

Похожие статьи