| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-18页 |
| ·数字图像恢复技术 | 第7-13页 |
| ·图像噪声 | 第7-8页 |
| ·图像退化原因 | 第8-9页 |
| ·图像退化模型 | 第9-10页 |
| ·几种常见的图像恢复方法 | 第10-12页 |
| ·图像恢复效果的评价指标 | 第12-13页 |
| ·人工神经网络及其在图像恢复中的应用 | 第13-16页 |
| ·人工神经网络的发展 | 第13-14页 |
| ·人工神经网络图象恢复方法研究进展 | 第14-16页 |
| ·本文主要研究内容 | 第16-17页 |
| ·本文章节安排 | 第17-18页 |
| 第二章 RBF 神经网络 | 第18-26页 |
| ·RBF 神经网络理论基础 | 第18-20页 |
| ·RBF 神经网络结构 | 第20-22页 |
| ·RBF 神经网络的学习算法 | 第22-24页 |
| ·中心参数的确定 | 第22-23页 |
| ·输出权值的确定 | 第23-24页 |
| ·RBF 神经网络的特点及研究现状 | 第24-25页 |
| ·RBF 神经网络的特点 | 第24-25页 |
| ·RBF 神经网络研究现状 | 第25页 |
| ·本章小结 | 第25-26页 |
| 第三章 动态递归RBFNN 及其在彩色图像恢复中的应用 | 第26-42页 |
| ·问题提出 | 第26页 |
| ·动态递归RBFNN 原理 | 第26-28页 |
| ·能量函数 | 第27页 |
| ·宽度参数γ和收敛参数K | 第27-28页 |
| ·动态递归RBFNN 结构模型 | 第28-30页 |
| ·基于动态递归RBFNN 的图像恢复 | 第30-34页 |
| ·基于动态递归RBFNN 图像恢复的基本原理 | 第30页 |
| ·样本准备 | 第30-31页 |
| ·学习算法 | 第31-33页 |
| ·网络性能比较 | 第33-34页 |
| ·实验与分析 | 第34-40页 |
| ·本章小结 | 第40-42页 |
| 第四章 基于自适应遗传算法优化DRRBFNN | 第42-56页 |
| ·问题提出 | 第42页 |
| ·自适应遗传算法 | 第42-45页 |
| ·GA 算法 | 第42-44页 |
| ·与其他进化算法的比较 | 第44页 |
| ·自适应遗传算法AGA | 第44-45页 |
| ·运用自适应遗传算法对DRRBFNN 进行优化 | 第45-50页 |
| ·具体策略 | 第45-47页 |
| ·优化算法的基本步骤 | 第47-48页 |
| ·AGA-DRRBFNN 网络性能比较 | 第48-50页 |
| ·AGA-DRRBFNN 用于彩色图像恢复 | 第50-55页 |
| ·本章小结 | 第55-56页 |
| 第五章 总结与展望 | 第56-58页 |
| ·本文工作总结 | 第56页 |
| ·今后工作展望 | 第56-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-64页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第64页 |