第二章 图像去噪原理与神经网络简介 9 在上图去噪框架中有几个需要注意的点，第一是分解的图片块的大小不是盲 目的， p p 大小取得不同，则最终去噪的效果也不尽相同，取图片块太小，当噪 声较大时，此时去噪的结果会产生更多的可能性。而加噪的过程是不可逆的，因 此这样一来学习将变得非常复杂，找到公式（2-5）中的逼近 -1 的 f 函数将变更加 困难。另外一方面，虽然理论上来说取更大的 p p 是更好的，但实际情况并不是 如此，图片越大计算量越大，所以一般需要实验后折中取值。为了分开学习降低 复杂度，所以我们得折中选取了一个合适我们去噪模型的尺寸。在这个方面，尺 寸大小对去噪效果的影响在文献[10]中已经做过比较，不再详细展开。另外一点需 要注意的是，图像拆分处理之后是如何聚合并还原成原图像大小的。实际上我们 可以这样理解，对于每一个分别去噪的图片块，经过一个处理函数从 p p 变成 q q ，最后将这些尺寸为 q q 的图片按在原图中像素的位置点重聚回去，如果有 很多不同的图片块具有重叠的像素位置，则对这些重复的位置采用加权求平均或 者高斯平均的方法算出最终聚合回原图变成 m nR  的去噪图像。在神经网络中则是 采用全连接层的方式还原成 m nR  的去噪图像，其整体思想也是拆分再聚合。 2.2 人工神经网络 20世纪 80年代，人工智能领域兴起了人工神经网络（Artificial Neural Network， ANN）的研究热潮，ANN 也被人们简称为神经网络。它是一种仿照生物学中的神 经网络结构而设计的类似的网络结构，有点类似于生物脑细胞中的响应过程，通 过网络拓扑结构模拟生物神经元细胞的连接方式，以大量的简单原件构成一个复 杂的网络，以其强大的并行计算能力，高效的自主学习能力和高容错性能力进行 智能化自适应学习的网络。是一种高度非线性的模拟生物神经系统的网络结构， 可以解决复杂非线性运算和逻辑运算的网络系统。 2.2.1 神经元 如图 2-3 所示，为一个生物神经元，主要有细胞核，树突、轴突、突触、髓鞘 等结构。我们知道生物的脑神经网络由众多神经元一一连接而形成网络，树突和 突触主要用来收集传递信息，轴突主要作用相当于放行兴奋信号，阻挡抑制电平 信号。神经元就像一个处理器，释放或抑制电平信号。

[Visual.C.面向对象与可视化程序设计(第2版)].清华大学

Head First HTML & CSS 第2版 随书代码

第二版完整。华清远见嵌入式Linux培训教程，使用于初学者。

该资源是课程：深入理解计算机系统(原书第2版)，保证做到是你所下载过的最清晰、最完整的一个版本。

欧陆电子词典扩展词库-牛津搭配语词典

☆ 资源说明：☆ [Pogue Press] JavaScript & jQuery 实战手册 第2版 (英文版) [Pogue Press] JavaScript & jQuery The Missing Manual 2nd Edition (E-Book) ☆ 出版信息：☆ [作者信息] David Sawyer McFarland [出版机构] Pogue Press [出版日期] 2011年10月28日 [图书页数] 540页 [图书语言] 英语 [图书格式] PDF 格式

每天10分钟轻松掌握C++图书，第二版，源代码

java程序设计教程（第2版）雍俊海PPT及源代码

此为好学的C++（第2版）一书的配套源码。 出版日期：2012-01 电脑菜鸟学习编程的福音书 丰富的实例，在游戏中学习编程 编程专家亲自讲授，轻松学习C++ 本书以C++ 为背景讲述计算机编程，用示例强化理解、条分缕析C++，给出了经验总结和各语言特性的缘由和技巧。内容包括C++ 编程基础知识、如何独立编程、程序片段的功能及来由、创建实用和可重用代码、面向对象编程等。 本书简单易懂，适合C++ 初学者阅读。