【正文】 ,[x y width height])。 (n+1) = h。 imagesc(im,39。Parent39。,h)。 else % 若是第一幅圖像x = xStart+(offset)*xStep。 h = axes(39。units39。,39。normalized39。,39。position39。,[x y width height])。 = h。 end im = getimage()。 % 讀圖imagesc(im,39。Parent39。,h)。 % 繪圖 set(h, 39。YTick39。,[],39。XTick39。,[],39。XTickMode39。,39。manual39。,39。Parent39。,)。 % Update handles structure guidata(hObject, handles)。 噪聲添加 當“Add Noise”按鈕按下后，噪聲添加函數(shù)就會根據(jù)噪聲強度對繪圖區(qū)當前圖像進行噪聲添加。首先，分別讀取當前繪圖區(qū)的圖像和噪聲強度；然后，將噪聲強度換算為圖像每行所需添加的噪點數(shù)；之后，隨機生成噪點下標，為圖像添加噪點；最后，在繪圖區(qū)中重新繪圖，即顯示添加噪點后的圖像。% Executes on button press in addNoise. function addNoise_Callback(hObject, eventdata, handles) % 對圖像添加噪聲. % hObject handle to addNoise (see GCBO) % eventdata reserved to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) 17 基于 Hopfield 網(wǎng)絡的圖像識別 im = getimage()。 % 讀圖noisePercent = get( , 39。value39。 )。 % 讀取噪聲強度 N = round( length(im(:))* noisePercent )。 % 利用噪聲強度計算圖像每行所添加的噪點數(shù) N = max(N,1)。 ind = ceil(rand(N,1)*length(im(:)))。 % 隨機生成添加噪點下標im(ind) = ~im(ind)。% 添加噪點 imagesc(im,39。Parent39。,)。 % 重新繪圖 colormap(39。gray39。)。 噪聲強度通過滑塊調整，當滑塊被移動時，則會進行相應的處理，更新噪聲強度的顯示。% Executes on slider movement. function noiseAmount_Callback(hObject, eventdata, handles) % 噪聲強度滑塊處理. % hObject handle to noiseAmount (see GCBO) % eventdata reserved to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % Hints: get(hObject,39。Value39。) returns position of slider % get(hObject,39。Min39。) and get(hObject,39。Max39。) to determine range of slider percent = get(hObject,39。value39。)。 % 讀取噪聲強度% 更新噪聲強度顯示 (百分數(shù)形式) percent = round(percent*100)。 set(,39。string39。,num2str(percent))。 圖像恢復 當“Run”按鈕按下后，圖像恢復函數(shù)被調用，繪圖區(qū)當前的圖像與 Hopfield 網(wǎng)絡作用后進行恢復。首先，讀取圖像并進行格式轉換；然后，讀取權值矩陣，并判斷是否為空，若為空，則報錯并返回；之后，將當前圖像的矩陣與權值矩陣相作用，得到恢復圖像的矩陣；接著，計算恢復圖像矩陣的 2范數(shù)，并與各已存儲圖像的 2范數(shù)對比，找出差異最小的原圖像并讀出；最后，計算格式轉換后的原圖像與恢復圖像的差異點，添加到原圖像，在繪圖區(qū)顯示。% Executes on button press in run. function run_Callback(hObject, eventdata, handles) % 通過 Hopfield NN 恢復圖像. % hObject handle to run (see GCBO) % eventdata reserved to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % 獲取待處理的圖像, 并進行格式轉換 im = getimage()。 % 讀圖 N = get(,39。string39。)。 % 讀取分辨率 18 N = str2num(N)。im = fixImage(im,N)。W = 。基于 Hopfield 網(wǎng)絡的圖像識別% 圖像格式轉換% 讀取權值矩陣if isempty(W) % 判斷權值矩陣是否為空, 若為空, 則報錯. msgbox(39。No train data doing nothing!39。,39。error39。)。 return。 end% 利用 Hopfield 權值矩陣恢復圖像 mat = repmat(im,N,N)。 mat = mat.*W。 mat = im2col(mat,[N,N],39。distinct39。)。 networkResult = sum(mat)。 networkResult = reshape(networkResult,N,N)。 im = fixImage(networkResult,N)。 % 查早恢復后的圖像所對應的原圖, 格式轉換后顯示 v0 = norm(double(im),2)。 % 計算恢復圖像的 2范數(shù) Npattern = length()。 % 讀取所存儲圖像的數(shù)目 v = ones(1,Npattern) * 65535。 % 所有原圖像的 2范數(shù)數(shù)組 for i = 1 : Npattern % 計算所有原圖像的 2范數(shù) im1 = imread((i,:))。 % 讀圖if length( size(im1) ) == 3 im1 = rgb2gray(im1)。 end% RGB 轉換為單灰度 N = get(,39。string39。)。 % 讀取分辨率N = str2num(N)。endim2 = fixImage(im1,N)。v(i) = norm(double(im2),2)。 % 圖像格式轉換 % 計算 2范數(shù) [Y,vmin_idx] = min(abs(vv0))。 % 查早與恢復圖像的 2范數(shù)最接近的原圖像下標 im1 = imread((vmin_idx,:))。 % 讀取相應的原圖像if length( size(im1) ) == 3 im1 = rgb2gray(im1)。 endim2 = fixImage(im1,N)。 im2 = (~abs(im2im))。% RGB 轉換為單灰度% 圖像格式轉換% 計算恢復圖像與原圖像的差異im2 = imresize(im2, size(im1), 39。bilinear39。)。 % 將差異矩陣轉換為原圖像尺寸im2 = im2.*double(im1)。 % 將原圖像與差異矩陣相作用 imagesc(im2,39。Parent39。,)。 % 顯示最終所得的恢復后的圖像 19 七、總結與展望 總結基于 Hopfield 網(wǎng)絡的圖像識別該程序成功實現(xiàn)了一個離散型 Hopfield 網(wǎng)絡結構，可識別多像素點的位圖信息，并能同時訓練多幅圖像。該程序的創(chuàng)新點在于采用對圖像的分辨率進行調整和對灰度值進行二值化的方法進行數(shù)據(jù)訓練和還原，顯著提高了神經(jīng)網(wǎng)絡的運行速度。同時，利用MATLAB 的 GUI 功能，使得程序的運行變得更為友好?？偟膩碚f，該程序所建立的神經(jīng)網(wǎng)絡模型，在被訓練的圖像受到不同程度的污染時，能較好地完成其圖像還原。 不足與展望 該程序還存在許多需要改進的地方，主要有如下幾方面：第一，只記錄了圖像的位置信息，沒有記錄灰度級信息；第二，只能處理單灰度級圖像；第三，當分辨率較大時，處理時間過長；第四，當所存儲的圖片數(shù)目較多時，容易識別出錯。針對以上不足之處，希望能夠對程序做進一步的完善，進一步提高該 Hopfield 網(wǎng)絡的圖像識別能力。八、心得體會 通過本次大作業(yè)的學習過程，受益匪淺。第一，強化了自身對知識點的掌握，進一步加強了對人工神經(jīng)網(wǎng)絡這門學科的認識；第二，鍛煉了自身的創(chuàng)新思維，培養(yǎng)了對于人工神經(jīng)網(wǎng)絡應用的興趣；第三，增進了小組成員的合作意識。分工明確，提高學習效率；討論配合，提高作業(yè)質量。同時，本次作業(yè)還存在一些不足和缺陷，懇請老師的指正。