基于动力系统的低质量图像增强方法

来源：吉林大学学报·理学版杂志2026年第2期北京时间：

作者：张宪红, 李炜昊, 王建伟, 杨泽雪, 孙煜彤

单位：黑龙江工程学院 计算机科学与技术学院, 哈尔滨 150050

摘要：针对常见图像增强技术在提升低质量图像对比度时易导致图像纹理细节损失的问题, 通过构建四维前馈神经网络模型并优化输出函数, 提出一种基于动力系统的低质量图像增强方法. 首先, 通过对神经网络模型动力学特性的分析, 研究实现最优信号放大效果的参数组合. 其次, 与主流增强算法在复杂度较高的医学图像数据集上进行对比实验, 结果表明该方法能将存在细节丢失、 亮度降低和噪声污染等问题的低质量图像增强为高质量图像, 且适用于对图像质量要求较高的医学图像增强处理. 该方法为医学图像等对质量要求严格的领域提供了新的技术途径, 有效兼顾了图像的对比度提升和细节保留, 提高了低质量图像在临床诊断等实际应用中的可用性.

关键词：图像增强,神经网络模型,低质量图像,前馈神经网络