| 摘要 | 第1-3页 |
| Abstract | 第3-9页 |
| 第1章 绪论 | 第9-13页 |
| ·课题研究背景及意义 | 第9-10页 |
| ·图像复原方法发展概况 | 第10-12页 |
| ·传统的图像复原方法发展概况 | 第10-11页 |
| ·神经网络在图像复原方法中的发展概况 | 第11-12页 |
| ·本文主要研究内容 | 第12-13页 |
| 第2章 图像复原技术概述 | 第13-21页 |
| ·图像复原的基本概念 | 第13页 |
| ·图像退化原因 | 第13-14页 |
| ·图像退化的数学模型 | 第14-16页 |
| ·连续函数的退化模型 | 第14-15页 |
| ·离散函数的退化模型 | 第15-16页 |
| ·经典的图像复原方法及其不足 | 第16-18页 |
| ·经典的图像复原方法 | 第16-18页 |
| ·经典的图像复原方法存在的问题 | 第18页 |
| ·图像复原效果的评价标准 | 第18-20页 |
| ·主观评价标准 | 第19页 |
| ·客观评价标准 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第3章 基于Hopfield 神经网络的图像复原方法 | 第21-41页 |
| ·基于神经网络的图像复原算法 | 第21-23页 |
| ·神经网络用于图像复原的优越性 | 第21页 |
| ·图像复原中常用的神经网络 | 第21-23页 |
| ·Hopfield 神经网络技术简介 | 第23-27页 |
| ·离散时间Hopfield 神经网络及其动力学分析 | 第23-25页 |
| ·连续时间Hopfield 神经网络及其动力学分析 | 第25-27页 |
| ·基于Hopfield 神经网络的图像复原方法 | 第27-33页 |
| ·网络模型建立前提 | 第27-28页 |
| ·Hopfield 神经网络图像复原算法 | 第28-30页 |
| ·改进图像复原算法 | 第30-33页 |
| ·算法步骤 | 第33页 |
| ·改进的Hopfield 神经网络的图像复原方法 | 第33-37页 |
| ·状态连续改变的Hopfield 神经网络图像复原算法 | 第33-35页 |
| ·算法步骤 | 第35-37页 |
| ·实验仿真 | 第37-39页 |
| ·本章小结 | 第39-41页 |
| 第4章 基于混沌神经网络的图像复原方法 | 第41-59页 |
| ·基于混沌神经网络模型优化 | 第41-42页 |
| ·基于Hopfield 模型优化的缺陷 | 第41页 |
| ·基于混沌神经网络模型优化 | 第41-42页 |
| ·基于混沌Hopfield 神经网络的图像复原算法 | 第42-49页 |
| ·混沌Hopfield 神经网络模型 | 第42-45页 |
| ·混沌Hopfield 神经网络的动力学特性 | 第45-48页 |
| ·基于混沌Hopfield 神经网络的图像复原算法 | 第48-49页 |
| ·基于小波混沌神经网络的图像复原方法 | 第49-56页 |
| ·小波混沌神经网络简述 | 第49-50页 |
| ·小波混沌神经网络用于图像复原的优越性 | 第50页 |
| ·小波混沌神经网络模型 | 第50-52页 |
| ·小波混沌神经网络及其动力学特性 | 第52-55页 |
| ·基于小波混沌神经网络的图像复原算法 | 第55-56页 |
| ·实验仿真 | 第56-58页 |
| ·本章小结 | 第58-59页 |
| 结论 | 第59-61页 |
| 参考文献 | 第61-66页 |
| 致谢 | 第66-67页 |
| 详细摘要 | 第67-71页 |
