基函数神经网络图像复原算法研究
| 中文摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-15页 |
| ·课题的研究背景及研究意义 | 第7-8页 |
| ·国内外研究现状 | 第8-11页 |
| ·图像复原技术的发展趋势 | 第11页 |
| ·论文的主要工作以及内容安排 | 第11-15页 |
| ·论文的主要工作 | 第11-12页 |
| ·论文的内容安排 | 第12-15页 |
| 第二章 图像复原理论基础 | 第15-25页 |
| ·图像退化及复原的一般模型 | 第15-16页 |
| ·经典图像复原算法 | 第16-18页 |
| ·逆滤波方法 | 第16页 |
| ·维纳滤波 | 第16-17页 |
| ·Lucy-Richardson 算法 | 第17页 |
| ·最大熵复原 | 第17-18页 |
| ·神经网络在图像复原上的应用 | 第18-22页 |
| ·人工神经网络简介 | 第18-19页 |
| ·人工神经元模型 | 第19-20页 |
| ·几种用于图像复原的神经网络 | 第20-22页 |
| ·图像复原质量的评价方法 | 第22-23页 |
| ·本章小结 | 第23-25页 |
| 第三章 基函数神经网络的数学基础 | 第25-31页 |
| ·正交多项式函数及性质 | 第25页 |
| ·基函数神经网络激励函数 | 第25-27页 |
| ·基函数神经网络的逼近理论 | 第27-29页 |
| ·矩阵的伪逆及线性方程组求解 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第四章 基函数神经网络图像复原算法 | 第31-43页 |
| ·引言 | 第31页 |
| ·基于正交多项式函数的神经网络图像复原 | 第31-34页 |
| ·基函数神经网络通用模型及学习算法 | 第31-32页 |
| ·实验仿真 | 第32-34页 |
| ·衍生算法 | 第34-37页 |
| ·衍生算法的图像复原理 | 第34-35页 |
| ·实验仿真 | 第35-37页 |
| ·权值直接确定法 | 第37-40页 |
| ·图像复原算法的权值直接确定 | 第37-39页 |
| ·实验仿真 | 第39-40页 |
| ·本章小结 | 第40-43页 |
| 第五章 基于图像频谱特征的图像退化区域提取方法 | 第43-49页 |
| ·引言 | 第43页 |
| ·一种基于图像频谱特征的图像退化区域提取新方法 | 第43-46页 |
| ·图像的频谱特征 | 第43-44页 |
| ·图像退化区域提取 | 第44-46页 |
| ·实验仿真 | 第46-47页 |
| ·本章小结 | 第47-49页 |
| 第六章 总结与展望 | 第49-51页 |
| ·工作总结 | 第49页 |
| ·工作展望 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 致谢 | 第55-57页 |
| 攻读学位期间发表的学术论文及研究 | 第57-58页 |
