论文部分内容阅读
工业现场所采集的图像一般都会受到不同程度的污染,针对这种情况,将离散型Hopfield神经网络的联想记忆特点运用于有噪声污染的工业图像识别。所设计的网络具有并行处理、可训练性及容错性等特点,它能完成图像的识别与分类,在输入有噪声污染的图像时,仍可以识别与恢复图像。以监控系统采集到的有污染的数字图像为例,运用数值仿真技术,证明了该方法的有效性。