贺文熙，叶坤涛

（江西理工大学理学院，江西赣州341000）

基于BP神经网络的数字图像修复

贺文熙，叶坤涛

（江西理工大学理学院，江西赣州341000）

考虑到BP神经网络非凡的学习能力和非线性映射能力，提出了利用BP神经网络修复数字图像.由于一般的BP神经网络收敛速度较慢，且易陷入局部极小，产生振荡现象.因此考虑在梯度下降算法的基础上引进动量因子，结果发现收敛速度加快、振荡现象减轻.该方法根据待修复区域的边界寻找相似块，利用相似块周围像素数据得到BP神经网络的权值和阈值.试验表明：文中的方法相对于利用偏微分方程（如BSCB方法）速度要快，而且具有更大的ISNR.

图像修复；相似边界；BP神经网络

0前言

现在数字图像修复是一个热点问题，修复结果的好坏主要通过感观判断.过去人们依靠手工的办法修复破损或者有污渍的图像，费时费力.人们自然渴望能方便快捷地修复图像.2000年，Bertalmio等人[1-2]首次提出了利用三次偏微分方程算法进行图像修复（即BSCB模型），算法中心思想是充分利用需要修复区域边缘的信息沿梯度垂直方向扩散到待修补区域内.BSCB方法修复速度过于缓慢而且不稳定.如果图像中出现了大面积的污渍，可用Criminisi和Efros及Shih T K等人[3-5]提出的基于样图或基于纹理的修复方法进行修复.这种方法由于需要不间断全局寻找匹配块，直到修复完毕，所以仍然非常费时，而且可能产生误匹配.本文提出利用相似边界邻域寻找相似块，只需匹配一……