文摘
英文文摘
声明
第一章绪论
1.1数字图像恢复技术
1.1.1图像噪声
1.1.2图像退化原因
1.1.3图像退化模型
1.1.4几种常见的图像恢复方法
1.1.5图像恢复效果的评价指标
1.2人工神经网络及其在图像恢复中的应用
1.2.1人工神经网络的发展
1.2.2人工神经网络图象恢复方法研究进展
1.3本文主要研究内容
1.4本文章节安排
第二章RBF神经网络
2.1 RBF神经网络理论基础
2.2 RBF神经网络结构
2.3 RBF神经网络的学习算法
2.3.1中心参数的确定
2.3.2输出权值的确定
2.4 RBF神经网络的特点及研究现状
2.4.1 RBF神经网络的特点
2.4.2 RBF神经网络研究现状
2.5本章小结
第三章动态递归RBFNN及其在彩色图像恢复中的应用
3.1问题提出
3.2动态递归RBFNN原理
3.2.1能量函数
3.2.2宽度参数γ和收敛参数K
3.3动态递归RBFNN结构模型
3.4基于动态递归RBFNN的图像恢复
3.4.1基于动态递归RBFNN图像恢复的基本原理
3.4.2样本准备
3.4.3学习算法
3.4.4网络性能比较
3.5实验与分析
3.6本章小结
第四章基于自适应遗传算法优化DRRBFNN
4.1问题提出
4.2自适应遗传算法
4.2.1 GA算法
4.2.2与其他进化算法的比较
4.2.3自适应遗传算法AGA
4.3运用自适应遗传算法对DRRBFNN进行优化
4.3.1具体策略
4.3.2优化算法的基本步骤
4.3.3 AGA-DRRBFNN网络性能比较
4.4 AGA-DRRBFNN用于彩色图像恢复
4.5本章小结
第五章总结与展望
5.1本文工作总结
5.2今后工作展望
致谢
参考文献
附录:作者在攻读硕士学位期间发表的论文
江南大学;