神经网络是统计机器学习中的一个重要研究领域。径向基网络是神经网络中的一种模型,具有“近激活,远抑制”的特点,可以很好地解决一些插值问题。图像修复属于插值问题,近年来一直是研究重点。将径向基网络用于图像修复,可以摒弃传统图像修复方法中一系列复杂的数学计算。为了获取更好的数据集,比较了不同受损类型的多种近邻区域选取方法并采样。然后利用采样的数据集和径向基网络拟合一条修复函数,对受损区域像素进行填补。同时,针对大块缺失的受损图像采用迭代修复的方法,使得修复区域更平滑,修复效果更好。在应用方面,利用改进后的广义RBF网络对地震平切面进行去噪处理。根据地震平切面色度梯度大的特点,将网络的激活函数改用二元高斯函数,由两个输入同时计算像素值。针对采样数据过多,对样本作聚类处理计算数据中心,以数据中心代替同簇中的数据作为隐层神经元,构成广义RBF网络。同时采用基于梯度的方法分别计算横纵两个方向的扩展常数,从而得到更好的去噪效果,使得各类沉积物分布更加清晰。