基于神经网络的数字图像恢复方法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-16页 |
| ·课题的背景与意义 | 第9-10页 |
| ·数字图像恢复的一些基本概念 | 第10-13页 |
| ·数字图像的噪声类型 | 第10-11页 |
| ·恢复图像质量的评价 | 第11-13页 |
| ·国内外研究现状 | 第13-15页 |
| ·本文结构 | 第15-16页 |
| 第2章 现代滤波器恢复方法 | 第16-25页 |
| ·标准中值滤波器 | 第16页 |
| ·边缘检测中值滤波器 | 第16-18页 |
| ·多状态中值滤波器 | 第18-20页 |
| ·加权中值滤波器 | 第18-19页 |
| ·多状态中值滤波器 | 第19-20页 |
| ·改进的具有判断功能的中值滤波器 | 第20-22页 |
| ·噪声检测器 | 第21页 |
| ·滤波 | 第21-22页 |
| ·仿真实验 | 第22-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 基于RBF 网络的图像恢复方法 | 第25-40页 |
| ·神经网络简介 | 第25-30页 |
| ·人工神经元模型 | 第25-27页 |
| ·人工神经网络的拓扑结构 | 第27-28页 |
| ·几种用于图像恢复的神经网络 | 第28-30页 |
| ·RBF 网络的结构与学习算法 | 第30-34页 |
| ·径向基函数 | 第30-32页 |
| ·RBF 神经网络的学习算法 | 第32-34页 |
| ·基于RBF 神经网络的图像恢复方法 | 第34-37页 |
| ·基于RBF 神经网络的图像恢复方案 | 第34-35页 |
| ·RBF 神经网络的训练 | 第35-37页 |
| ·仿真实验 | 第37-38页 |
| ·本章小结 | 第38-40页 |
| 第4章 基于模糊神经网络的图像恢复方法 | 第40-51页 |
| ·引言 | 第40-43页 |
| ·模糊理论的一些基本概念 | 第40-42页 |
| ·模糊集合运算 | 第42页 |
| ·模糊推理和模糊决策 | 第42-43页 |
| ·模糊神经网络的结构 | 第43-46页 |
| ·基于模糊神经网络的数字图像恢复方法 | 第46-49页 |
| ·基于模糊神经网络的恢复方案 | 第46-47页 |
| ·模糊神经网络的训练 | 第47-49页 |
| ·仿真实验 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 结论 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 攻读硕士学位期间发表的学术论文 | 第57-59页 |
| 致谢 | 第59页 |
