| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 1 绪论 | 第9-12页 |
| ·研究的目的和意义 | 第9-10页 |
| ·国内外研究现状 | 第10-11页 |
| ·论文各部分的主要内容 | 第11-12页 |
| 2 图像复原理论基础 | 第12-21页 |
| ·图像复原技术简介 | 第12-17页 |
| ·图像退化/复原的一般模型 | 第12-13页 |
| ·连续函数的退化模型 | 第13-14页 |
| ·离散函数的退化模型 | 第14-17页 |
| ·经典图像复原算法 | 第17-20页 |
| ·逆滤波图象复原 | 第17页 |
| ·最小二乘滤波图像复原 | 第17-18页 |
| ·维纳滤波图像复原 | 第18页 |
| ·Lucy-Richardson(L-R)迭代非线性算法 | 第18-19页 |
| ·迭代盲解卷积法 | 第19-20页 |
| ·小结 | 第20-21页 |
| 3 BP 神经网络在图像复原中的应用 | 第21-34页 |
| ·人工神经网络简介 | 第21-23页 |
| ·BP 神经网络在图像复原中的应用 | 第23-32页 |
| ·BP 神经网络算法研究 | 第24-28页 |
| ·用于图像复原的BP 网络模型 | 第28页 |
| ·用于图像复原的BP 网络结构设计 | 第28-30页 |
| ·BP 网络图像复原实验 | 第30-32页 |
| ·BP 神经网络图像复原方法的优缺点及改进方向 | 第32-34页 |
| 4 遗传算法改进的BP 网络在图像复原中的应用 | 第34-46页 |
| ·遗传算法的基本原理 | 第34-39页 |
| ·遗传算法的发展与现状 | 第34-35页 |
| ·遗传算法的过程及原理 | 第35-39页 |
| ·基于遗传算法的BP 神经网络算法 | 第39-40页 |
| ·用于图像复原的 GA-BP 算法的设计与改进 | 第40-41页 |
| ·实验与结果 | 第41-45页 |
| ·小结 | 第45-46页 |
| 5 蚁群算法改进的BP 网络在图像复原中的应用 | 第46-58页 |
| ·蚁群算法的基本原理 | 第46-51页 |
| ·蚁群算法简介 | 第46页 |
| ·蚁群算法的基本思想 | 第46-50页 |
| ·蚂蚁搜索的重要决定因数 | 第50-51页 |
| ·基于蚁群算法的BP 神经网络算法 | 第51-52页 |
| ·用于图像复原的ACO-BP 算法的设计与改进 | 第52-54页 |
| ·实验与结果 | 第54-57页 |
| ·小结 | 第57-58页 |
| 6 总结 | 第58-59页 |
| ·全文总结 | 第58页 |
| ·今后工作的展望 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-62页 |
| 附录 | 第62页 |