| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-10页 |
| ·图像恢复技术概述及其研究意义 | 第7页 |
| ·图像恢复的背景及现状 | 第7-9页 |
| ·图像恢复的发展历史 | 第7-8页 |
| ·基于智能算法的图像恢复 | 第8-9页 |
| ·本文的研究工作 | 第9页 |
| ·本文研究内容安排 | 第9-10页 |
| 第二章 图像恢复的基本理论 | 第10-18页 |
| ·引言 | 第10页 |
| ·图像的退化模型 | 第10-13页 |
| ·系统 | 第10-11页 |
| ·连续退化模型 | 第11-12页 |
| ·离散退化模型 | 第12-13页 |
| ·几种常见的图像恢复算法 | 第13-16页 |
| ·逆滤波法 | 第14页 |
| ·维纳滤波法 | 第14-15页 |
| ·最大熵恢复法 | 第15-16页 |
| ·图像恢复效果评价 | 第16-17页 |
| ·本章小结 | 第17-18页 |
| 第三章 基于混沌自适应遗传算法的图像恢复智能算法 | 第18-35页 |
| ·引言 | 第18页 |
| ·遗传算法的基本理论 | 第18-21页 |
| ·遗传算法的概念 | 第18-19页 |
| ·遗传算法的流程及要素 | 第19-21页 |
| ·遗传算法的特性 | 第21页 |
| ·基于遗传算法的智能图像恢复算法 | 第21-26页 |
| ·基于传统遗传算法的图像恢复算法 | 第22-23页 |
| ·基于遗传算法和模拟退火算法的图像恢复算法 | 第23-24页 |
| ·基于自适应遗传算法的图像恢复算法 | 第24-26页 |
| ·基于混沌自适应遗传算法的智能图像恢复算法 | 第26-29页 |
| ·基于遗传算法的智能图像恢复算法的实验结果与比较 | 第29-34页 |
| ·本章小结 | 第34-35页 |
| 第四章 基于人工神经网络和遗传算法的图像恢复智能算法 | 第35-62页 |
| ·引言 | 第35页 |
| ·人工神经网络介绍 | 第35-39页 |
| ·人工神经网络发展的历史及现状 | 第35页 |
| ·人工神经网络的特性 | 第35-36页 |
| ·人工神经网络的基本要素 | 第36-38页 |
| ·Hopfield 人工神经网络介绍 | 第38-39页 |
| ·基于 HOPFIELD神经网络的图像恢复算法分析 | 第39-42页 |
| ·基于 Hopfield 网络的图像恢复框架 | 第39-41页 |
| ·算法及实现 | 第41-42页 |
| ·基于改进遗传算法和 HOPFIELD 神经网络的图像恢复智能算法 | 第42-48页 |
| ·并行遗传算法和 Hopfield 神经网络结合算法 | 第43-47页 |
| ·基于混沌自适应遗传算法和 Hopfield 网络的图像恢复方法 | 第47-48页 |
| ·图像恢复智能算法实验结果与分析 | 第48-55页 |
| ·遗传算法和 Hopfield 神经网络、RBF 神经网络图像恢复算法比较 | 第48-51页 |
| ·遗传算法和利用 Hopfield 神经网络结合并行遗传算法的智能算法比较 | 第51-52页 |
| ·自适应遗传算法和自适应遗传算法结合 Hopfield 网络图像恢复结果比较 | 第52-55页 |
| ·基于改进遗传算法和 RBF 神经网络的图像恢复智能算法 | 第55-60页 |
| ·RBF 神经网络算法 | 第55-56页 |
| ·RBF 网络学习方法 | 第56页 |
| ·动态递归 RBF 网络图像恢复算法 | 第56-57页 |
| ·混沌自适应遗传算法结合 RBF 网络进行图像恢复 | 第57-58页 |
| ·RBF 网络和混沌自适应遗传算法改进RBF 图像恢复算法实验结果和比较 | 第58-60页 |
| ·本章小结 | 第60-62页 |
| 第五章 总结与展望 | 第62-64页 |
| ·总结 | 第62页 |
| ·未来的研究课题 | 第62-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第69页 |
