摘要： 径向基神经网络(RBFNN)有很好的函数逼近能力，本文把图像看成函数，用RBFNN来表示图像，并在学习过程中进行逼近，采用交叉检验的方法来确定网络模型并控制学习过程，使得网络既能较好地逼近图像，又对噪声进行抑制，从而达到图像降噪的目的。实验证明这是一个可行的盲目图像降噪方法，有广泛的适用性。本文还给出了实验中改进交叉检验方法的技术，给出了与wiener滤波器降噪的实验效果对比图。

关键词: 函数逼近能力 图像降噪 RBF神经网络 交叉 径向基神经网络 表示 网络模型 wiener滤波器 噪声 抑制