基于遗传优化DHNN的噪声图像识别研究

作者：郭勇; 乐江源; 李梦超; 郑景林

来源：赣南师范大学学报, 2022, 43(06): 43-47.

DOI：10.13698/j.cnki.cn36-1346/c.2022.06.008

• 噪声图像识别
• DHNN
• 权值
• 阈值
• 遗传算法

采用外积法设计的离散型Hopfield神经网络(DHNN),系统稳定但识别噪声图像能力有限，因此引入遗传算法对网络参数进行优化.首先将权值与阈值编码形成染色体，创建初始种群；然后对种群中个体的染色体进行选择、交叉、变异操作，将适应度值小的个体替换同代种群中适应度值大的个体，形成子代种群，并按照同样的方式遗传若干代；最后将末代种群中适应度值最小的个体的染色体解码为权值和阈值.对3种交通标志噪声图像识别，优化前，当噪声水平增大至0.3时识别效果较差，且PSNR随着噪声水平的增大而减小；优化后识别效果更好，且PSNR先增后减，在0.5时最低.因此，采用遗传算法优化后DHNN识别噪声图像能力更强，然而算法收敛时间长，需要进一步完善.

• 单位
  赣南师范大学