神經(jīng)網(wǎng)絡(luò )預測編碼器的設計及應用

對Bayer圖像當前像素的預測可用下面兩式表示：

其中：(k，l)∈{(一3，O)，(一2，一1)，(一2，O)，(一1，一2)，(一l，一1)，(一1，O)，(O，一3)，(O，一2)，(O，一1)}，x(i，j)為當前像素的真實(shí)值；互(i，j)是當前像素的預測值，e(i，j)是預測誤差。預測函數f用神經(jīng)網(wǎng)絡(luò )實(shí)現。因此，輸入層有9個(gè)神經(jīng)元。而網(wǎng)絡(luò )的輸出即是神經(jīng)網(wǎng)絡(luò )預測器對當前像素的預測值，因此輸出層有1個(gè)神經(jīng)元。
實(shí)際上，隱含層神經(jīng)元數取決于訓練樣本數的多少、噪聲量的大小及網(wǎng)絡(luò )學(xué)習的輸入一輸出函數關(guān)系或分類(lèi)關(guān)系的復雜程度。對許多應用場(chǎng)合均適用的一條有關(guān)確定隱結點(diǎn)數的規則即所謂的幾何金字塔規則(geometric pyramidrule)：從輸入層到輸出層，結點(diǎn)數不斷減少，其形好似金字塔，如圖4所示。

本文通過(guò)大量實(shí)驗，最終確定神經(jīng)網(wǎng)絡(luò )預測器的第一隱含層具有9個(gè)神經(jīng)元，第二隱含層具有6個(gè)神經(jīng)元。至此，神經(jīng)網(wǎng)絡(luò )預測器結構已經(jīng)確定，如圖5所示。

2．3 傳輸函數
在神經(jīng)網(wǎng)絡(luò )圖像處理中，常使用的傳輸函數有兩大類(lèi)：
(1)線(xiàn)性傳輸函數；
(2)非線(xiàn)性傳輸函數。
線(xiàn)性傳輸函數的變換較簡(jiǎn)單，其輸出相對于輸入呈線(xiàn)性增長(cháng)，因而函數輸入范圍較小，且它不具有可微分性，這對于具有非線(xiàn)性特性的圖像信息來(lái)說(shuō)并不適用。經(jīng)典的BP算法采用sigmoid函數，其輸出的動(dòng)態(tài)范圍為[O，1]，sigmoid和其導數為式1和式2：