| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-9页 |
| 1 绪论 | 第9-14页 |
| ·研究的目的和意义 | 第9-11页 |
| ·数字图像处理 | 第9-10页 |
| ·数字图像复原技术 | 第10-11页 |
| ·国内外研究现状综述 | 第11-12页 |
| ·论文的主要研究内容 | 第12-14页 |
| 2 数字图像处理技术概述 | 第14-21页 |
| ·图像的数字化表示 | 第14-15页 |
| ·数字图像处理的一般内容 | 第15-17页 |
| ·图像的质量评价 | 第17-21页 |
| ·图像质量的主观评价 | 第17-19页 |
| ·图像质量的客观评价 | 第19-21页 |
| 3 数字图像复原技术的研究 | 第21-36页 |
| ·数字图像复原技术简介 | 第21-22页 |
| ·数字图像的退化模型 | 第22-32页 |
| ·图像降质过程的数学模型 | 第23-30页 |
| ·图像降质模糊的类型及其点扩散函数 | 第30-32页 |
| ·噪声 | 第32-36页 |
| 4 几种典型的图像复原方法 | 第36-46页 |
| ·维纳滤波算法(最小均方误差滤波算法) | 第36-38页 |
| ·中值滤波算法 | 第38-39页 |
| ·正则滤波器算法 | 第39-41页 |
| ·盲去卷积算法 | 第41-44页 |
| ·Lucy-Richardson(L-R)算法 | 第44-46页 |
| 5 霍普菲尔德神经网络简介 | 第46-55页 |
| ·人工神经网络简介 | 第46-49页 |
| ·Hopfield 神经网络 | 第49-55页 |
| ·连续Hopfield 网络简介 | 第50-53页 |
| ·连续Hopfield 网络最优化计算 | 第53-55页 |
| 6 基于Hopfield 网络能量函数的空间自适应正则化图像复原 | 第55-63页 |
| ·改进的正则化图像复原算法 | 第55-57页 |
| ·自适应正则化图像复原问题的Hopfield 神经网络实现 | 第57-59页 |
| ·实验结果分析 | 第59-62页 |
| ·结论与展望 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 附录：作者在攻读硕士学位期间发表的论文目录 | 第67-68页 |
| 独创性声明 | 第68页 |
| 学位论文版权使用授权书 | 第68页 |