基于模糊神经网络的海杂波图像复原技术研究与应用
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 课题研究的背景和意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 本文的研究内容和结构安排 | 第10-13页 |
| 1.3.1 本文研究内容的技术流程 | 第11页 |
| 1.3.2 论文的结构安排 | 第11-13页 |
| 第2章 神经网络相关基础知识 | 第13-26页 |
| 2.1 神经网络理论 | 第13-17页 |
| 2.1.1 神经元模型 | 第13-15页 |
| 2.1.2 神经网络的拓扑结构 | 第15页 |
| 2.1.3 神经网络的学习方式 | 第15-17页 |
| 2.2 模糊神经网络理论 | 第17-25页 |
| 2.2.1 模糊理论基础 | 第17-22页 |
| 2.2.2 模糊神经网络 | 第22-25页 |
| 2.3 本章小结 | 第25-26页 |
| 第3章 海杂波图像复原技术介绍 | 第26-36页 |
| 3.1 现代滤波器复原技术 | 第26-28页 |
| 3.1.1 标准中值滤波器 | 第26页 |
| 3.1.2 边缘检测中值滤波器 | 第26-28页 |
| 3.2 图像复原技术 | 第28-34页 |
| 3.2.1 图像复原模型 | 第28-31页 |
| 3.2.2 无约束图像复原 | 第31-32页 |
| 3.2.3 有约束图像复原 | 第32-34页 |
| 3.3 评价图像复原技术质量的指标 | 第34-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第4章 模糊神经网络及改进算法 | 第36-50页 |
| 4.1 模糊神经网络学习算法 | 第36-37页 |
| 4.2 基于神经网络的模糊系统介绍 | 第37-39页 |
| 4.3 神经-模糊学习算法及其收敛性介绍 | 第39-44页 |
| 4.3.1 神经-模糊学习算法介绍 | 第39-42页 |
| 4.3.2 收敛性定理 | 第42-44页 |
| 4.4 改进的模糊神经网络算法 | 第44-48页 |
| 4.5 数值仿真实验 | 第48-49页 |
| 4.6 本章小结 | 第49-50页 |
| 第5章 模糊神经网络在海杂波图像复原中的应用 | 第50-56页 |
| 5.1 基于模糊神经网络的图像复原技术 | 第50-51页 |
| 5.2 模糊神经网络权值的训练 | 第51-52页 |
| 5.3 仿真实验 | 第52-55页 |
| 5.3.1 加高斯噪声的海杂波图像复原 | 第53-54页 |
| 5.3.2 加椒盐噪声的海杂波图像复原 | 第54-55页 |
| 5.4 本章小结 | 第55-56页 |
| 结论 | 第56-57页 |
| 参考文献 | 第57-62页 |
| 攻读硕士学位期间发表的论文 | 第62-63页 |
| 致谢 | 第63页 |
