本发明公开了一种基于头脑风暴优化算法的图像复原方法及系统，所述方法包括步骤一：根据获取的用于复原的模糊图像和BP神经网络生成所述模糊图像的至少两个复原参数；步骤二：通过DBSCAN聚类算法对所述至少两个复原参数进行聚类；步骤三：计算所述每个复原参数的适应度值，并将每个聚类中适应度值最优的复原参数作为所述复原参数聚类的中心；步骤四：判断所述至少两个复原参数是否满足所述BP神经网络训练的终
本发明公开了一种基于头脑风暴优化算法的图像复原方法及系统，所述方法包括步骤一：根据获取的用于复原的模糊图像和BP神经网络生成所述模糊图像的至少两个复原参数；步骤二：通过DBSCAN聚类算法对所述至少两个复原参数进行聚类；步骤三：计算所述每个复原参数的适应度值，并将每个聚类中适应度值最优的复原参数作为所述复原参数聚类的中心；步骤四：判断所述至少两个复原参数是否满足所述BP神经网络训练的终止条件，满足条件则转入步骤六，否则进入步骤五；步骤五：通过BSO算法对所述至少两个复原参数进行变异处理并转入步骤二；步骤六：将所述至少两个复原参数导入所述BP神经网络对所述模糊图像进行训练，并输出所述模糊图像对应的复原图像。
本发明的有益效果是：针对BP神经网络图像复原算法的不足，通过对头脑风暴优化算法进行部分改动，自动搜寻BP神经网络训练需要的较优的初始参数，以减少BP神经网路对其初始参数的敏感性，避免网络陷入局部最优解，增加了网络的收敛速度，减小网络误差，提高了图像还原的质量。
