基于神经网络的退化图像复原算法研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第一章 绪论 | 第11-15页 |
| ·研究的背景及意义 | 第11-12页 |
| ·图象复原方法发展概况 | 第12-14页 |
| ·论文各部分的主要内容 | 第14-15页 |
| 第二章 图像复原基础 | 第15-28页 |
| ·图像退化模型 | 第15-18页 |
| ·连续函数的退化模型 | 第16-17页 |
| ·离散函数的退化模型 | 第17-18页 |
| ·图像复原方法 | 第18-23页 |
| ·经典图像复原方法 | 第18-22页 |
| ·迭代盲反卷积算法 | 第22-23页 |
| ·图像复原效果的评价标准 | 第23-28页 |
| ·主观评价标准 | 第23页 |
| ·客观评价标准 | 第23-28页 |
| 第三章 人工神经网络在图像处理中的应用 | 第28-34页 |
| ·人工神经网络的发展 | 第28-29页 |
| ·图像处理中常用神经网络的类型 | 第29-31页 |
| ·Hopfield 神经网络 | 第29页 |
| ·BP 网络 | 第29-30页 |
| ·自组织网络 | 第30页 |
| ·小波网络 | 第30页 |
| ·细胞神经网络 | 第30页 |
| ·模糊神经网络 | 第30-31页 |
| ·神经网络在图像复原中的应用 | 第31-34页 |
| ·基于Hopfield 网络的图像复原 | 第31-32页 |
| ·基于BP 神经网络的图像复原 | 第32-33页 |
| ·用于图像复原的其他神经网络 | 第33-34页 |
| 第四章 基于BP 神经网络的图像复原算法 | 第34-55页 |
| ·引言 | 第34-35页 |
| ·BP 学习算法 | 第35-40页 |
| ·三层BP 网络 | 第36-37页 |
| ·网络误差与权值调整 | 第37-40页 |
| ·BP 网络结构设计 | 第40-43页 |
| ·输入输出层的设计及其数据的预处理 | 第41页 |
| ·隐含层节点数的选择 | 第41-42页 |
| ·激励函数的选择 | 第42-43页 |
| ·初始值的选取 | 第43页 |
| ·BP 神经网络的训练 | 第43-49页 |
| ·训练样本的选取 | 第45-47页 |
| ·学习训练与预测 | 第47-48页 |
| ·网络模型的性能和泛化能力 | 第48-49页 |
| ·BP 神经网络复原试验结果 | 第49-55页 |
| ·采用整体滑动窗口 | 第49-52页 |
| ·采用局部滑动窗口 | 第52-54页 |
| ·结论 | 第54-55页 |
| 第五章 图像退化特征及描述 | 第55-70页 |
| ·引言 | 第55页 |
| ·图像退化特征 | 第55-61页 |
| ·偏移指标 | 第55-56页 |
| ·抖动指标 | 第56-59页 |
| ·模糊指标 | 第59-61页 |
| ·图像匹配和形态学方法在计算偏移中的应用 | 第61-66页 |
| ·直方图统计特性 | 第61-64页 |
| ·快速SSDA 匹配算法 | 第64页 |
| ·形态学方法 | 第64-66页 |
| ·图像退化特征描述软件 | 第66-70页 |
| ·特征退化软件计算流程 | 第66-67页 |
| ·界面组成及功能介绍 | 第67-70页 |
| 第六章 总结与展望 | 第70-72页 |
| ·论文的主要工作及创新点 | 第70-71页 |
| ·下一步工作展望 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 致谢 | 第76-77页 |
| 攻读学位期间发表的学术论文目录 | 第77页 |
