基于神经网络的图像复原方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景和意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 本文研究内容 | 第14页 |
| 1.4 本文组织结构 | 第14-16页 |
| 第二章 图像复原理论基础 | 第16-28页 |
| 2.1 图像复原技术介绍 | 第16-17页 |
| 2.2 图像退化/复原的一般模型 | 第17-21页 |
| 2.2.1 连续函数的退化模型 | 第19-20页 |
| 2.2.2 离散函数的退化模型 | 第20-21页 |
| 2.3 几种经典的复原算法 | 第21-24页 |
| 2.3.1 逆滤波法图像复原 | 第21-22页 |
| 2.3.2 维纳滤波法复原 | 第22-23页 |
| 2.3.3 最小二乘滤波复原 | 第23页 |
| 2.3.4 最大后验概率复原 | 第23-24页 |
| 2.4 图像复原效果的评价标准 | 第24-26页 |
| 2.4.1 主观评价标准 | 第24页 |
| 2.4.2 客观评价标准 | 第24-26页 |
| 2.5 本章小结 | 第26-28页 |
| 第三章 神经网络在图像复原中的应用 | 第28-34页 |
| 3.1 人工神经网络的发展 | 第28-29页 |
| 3.2 图像处理中常用的神经网络 | 第29-31页 |
| 3.2.1 Hopfield神经网络 | 第29-30页 |
| 3.2.2 BP神经网络 | 第30页 |
| 3.2.3 自组织网络 | 第30页 |
| 3.2.4 小波神经网络 | 第30-31页 |
| 3.3 神经元的模型 | 第31-32页 |
| 3.4 本章小结 | 第32-34页 |
| 第四章 基于BP神经网络的图像复原方法关键技术 | 第34-48页 |
| 4.1 BP神经网络的网络模型 | 第34-35页 |
| 4.2 BP神经网络的算法原理 | 第35-38页 |
| 4.3 BP神经网络的样本选择 | 第38-40页 |
| 4.4 BP神经网络的网络设计 | 第40-43页 |
| 4.4.1 神经网络的网络结构 | 第40-41页 |
| 4.4.2 神经元的传输函数 | 第41-43页 |
| 4.5 神经网络的学习算法 | 第43-44页 |
| 4.6 遗传算法优化神经网络确定初始值 | 第44-47页 |
| 4.6.1 遗传算法概述 | 第44-46页 |
| 4.6.2 遗传算法优化BP神经网络初始权值 | 第46-47页 |
| 4.7 本章小结 | 第47-48页 |
| 第五章 BP神经网络图像复原的算法设计 | 第48-68页 |
| 5.1 整体技术方案 | 第48页 |
| 5.2 具体实现 | 第48-61页 |
| 5.2.1 获取神经网络的样本图像 | 第49-52页 |
| 5.2.2 传输函数的选择 | 第52-56页 |
| 5.2.3 神经网络的学习算法 | 第56-58页 |
| 5.2.4 遗传算法优化结果 | 第58-61页 |
| 5.3 实验结果与分析 | 第61-67页 |
| 5.3.1 实验结果 | 第61-67页 |
| 5.3.2 结果分析 | 第67页 |
| 5.4 本章小结 | 第67-68页 |
| 第六章 总结与展望 | 第68-70页 |
| 6.1 总结 | 第68页 |
| 6.2 展望 | 第68-70页 |
| 致谢 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 附录A | 第76页 |
