基于神经网络的光学4f系统图像复原
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 1 绪论 | 第7-14页 |
| ·引言 | 第7页 |
| ·国内外发展现状 | 第7-11页 |
| ·光学信息处理的发展 | 第7-9页 |
| ·光学小波的发展 | 第9-11页 |
| ·论文研究的背景和意义 | 第11-12页 |
| ·论文的主要内容 | 第12-14页 |
| 2 图像复原基础 | 第14-23页 |
| ·图像复原概述 | 第14-16页 |
| ·图像退化模型 | 第14页 |
| ·图像复原与图像增强 | 第14-15页 |
| ·传统的图像复原方法 | 第15-16页 |
| ·图像盲复原的方法 | 第16-19页 |
| ·图像盲复原介绍 | 第16-17页 |
| ·图像盲复原的分类 | 第17-19页 |
| ·图像复原效果的评价标准 | 第19-22页 |
| ·主观评价标准 | 第20页 |
| ·客观评价标准 | 第20-22页 |
| ·本章小结 | 第22-23页 |
| 3 人工神经网络在图像复原中的应用 | 第23-29页 |
| ·人工神经网络概述 | 第23页 |
| ·人工神经网络的特点 | 第23-24页 |
| ·人工神经网络的应用领域 | 第24页 |
| ·基于人工神经网络的图像复原技术的研究现状 | 第24-25页 |
| ·神经网络在图像复原中的应用 | 第25-28页 |
| ·基于Hopfield 网络的图像复原 | 第25-26页 |
| ·基于ARMA 模型的人工神经网络图像复原 | 第26-28页 |
| ·基于BP 神经网络的图像复原 | 第28页 |
| ·本章小结 | 第28-29页 |
| 4 基于BP 神经网络的图像复原算法 | 第29-43页 |
| ·基本原理 | 第29页 |
| ·BP 神经网络方法研究 | 第29-32页 |
| ·BP 网络概述 | 第29-31页 |
| ·BP 学习算法概述 | 第31-32页 |
| ·BP 网络的结构设计及参数配置 | 第32-35页 |
| ·输入和输出层的设计 | 第33-34页 |
| ·网络层数的确定 | 第34页 |
| ·隐含层神经元数的确定 | 第34页 |
| ·初始权值的选取 | 第34-35页 |
| ·训练函数的选择 | 第35页 |
| ·实验结果及数据分析 | 第35-39页 |
| ·改进的基于图像分块的复原算法 | 第39-42页 |
| ·改进算法的原理 | 第39-40页 |
| ·改进算法的计算复杂度分析 | 第40-41页 |
| ·改进算法的试验结果 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 5 基于神经网络集成的图像复原 | 第43-49页 |
| ·引言 | 第43页 |
| ·神经网络集成研究进展 | 第43-45页 |
| ·概述 | 第43-44页 |
| ·实现方法 | 第44-45页 |
| ·基于遗传算法的选择性神经网络集成 | 第45-47页 |
| ·实验结果与分析 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 6 总结与展望 | 第49-50页 |
| 致谢 | 第50-51页 |
| 参考文献 | 第51-56页 |
| 附录 | 第56页 |
| A. 参加的课题 | 第56页 |
| B. 发表的论文 | 第56页 |
| C. 国家发明专利 | 第56页 |
