TY -的A2 - Chen Jyh-Cheng盟——Alenezi Fayadh AU -桑托什,k . c . PY - 2021 DA - 2021/01/23 TI -几何正规化Hopfield神经网络用于医学图像增强SP - 6664569六世- 2021 AB -的一个主要的缺点Hopfield神经网络(HNN)是网络并不总是收敛到一个固定的点。HNN主要局限于训练过程中的局部优化，以达到网络的稳定性。本文采用两种方法解决收敛问题:(a)通过像素梯度向量，根据不同图像超平面内特征的几何相关性，对连续修正HNN (MHNN)的激活进行排序;(b)通过调节几何像素梯度向量。这些是通过在上同调下正则化所提出的mhnn来实现的，这使得它们能够作为像素光谱序列的非常规滤波器。它将焦点转移到局部和全局优化，以加强每个图像子空间内的特征相关性。因此，它增强了边缘、信息内容、对比度和分辨率。在15幅不同的医学图像上测试了该算法，基于熵、视觉信息保真度(VIF)、加权峰值信噪比(WPSNR)、对比度和同质性进行了评价。与现有的四种基准增强方法相比，我们的结果证实了其优越性。期刊编号:SN - 1687-4188 UR - https://doi.org/10.1155/2021/6664569 DO - 10.1155/ 2011/6664569