一种改进的BP网络图象压缩方法

本文提出了一种改进的ＢＰ网络图象压缩方法．该方法对输入图象矢量进行分类，不同类别的图象矢量分别由不同的ＢＰ网络来实现压缩和恢复．因为同一类别图象矢量间离散度较小，所以可降低ＢＰ网络的映射复杂度，从而达到改善图象质量的目的．实验结果表明，这种改进能有效提高恢复图象的信噪比和视觉质量，对数据压缩比影响很小．     

多通道图象复原

多通道图象复原提供了通道闯包括通道内部的开发的相关性的可能性，利用外加的数据，多通道图象复原能够产生超过合成通道分别复原的更显著的效果，多通道图象复原的目的是利用原图象的通道间的关联性达到噪声抑制的目的。     

基于空域正则化的模糊图像复原方法

以解决病态问题的正则化技术为基础,针对模糊图像的复原问题提出了一种新的空间域复原方法。在空间迭代运算中引入自适应的正则化参数,使其自动修正到最优,通过锐化图像进行后续处理,由此增强了原图像中重要的信息及边缘纹理部分。计算机仿真结果表明,与传统的迭代正则化方法相比,该方法的复原图像在改进信噪比数值(ISNR)和主观视觉效果上都有明显提高。     

基于Hopfield神经网络的平面拟合编码研究

提出了平面拟合编码的一种新的实现方法，即神经网络方法。为了保证Ｈｏｐｆｉｅｌｄ神经网络的收敛，对该网络模型的迭代算法进行了修改，针对Ｈｏｐｆｉｅｌｄ网络存在的局部极小问题，给出了一种扰动算法，结合初始状态的合理选择，可以有效地避免网络陷入局部极小，而接近全局最小，以求得待定系数的最优解，计算机模拟结果表明，Ｈｏｐｆｉｅｌｄ神经网络实现的平面拟合编码性能优于传统的最小二乘法，重建图像质量提高约０．６ｄＢ。     

一种改进的零树编码算法

在SPIHT算法的基础上进行改进,提出了一种改进的新算法,该算法修改了分割排序策略、加入了幅值精细编码等措施在一定程度上克服SPIHT图像编码算法的不足,提高了编码速度,减少了内存的消耗,提高了图象复原的质量,是一种有效的图象压缩方法。     

基于Hopfield神经网络的平面拟合编码研究

提出了平面拟合编码的一种新的实现方法，即神经网络方法。为了保证Ｈｏｐｆｉｅｌｄ神经网络的收敛，对该网络模型的迭代算法进行了修改，针对Ｈｏｐｆｉｅｌｄ网络存在的局部极小问题，给出了一种扰动算法，结合初始状态的合理选择，可以有效地避免网络陷入局部极小，而接近全局最小，以求得待定系数的最优解。计算模拟结果表明，Ｈｏｐｆｉｅｌｄ神经网络实现的平面拟合编码性能优于传统的最小二乘法，重建图像质量提高约０．６ｄ     

改进的 Hopfield 网络及汉字识别

针对Ｈｏｐｆｉｅｌｄ网络的局限性，本文提出了对Ｈｏｐｆｉｅｌｄ模型及联想记忆算法的改进：（１）改变其权对称性（２）引入反传学习算法（３）为避免在学习过程中出现振荡，引入基本反传值，并作了理论上的分析，运用改进的Ｈｏｐｆｉｅｌｄ网络进行相近的汉字识别，取得了较好效果。     

植物染色体图象的自适应复原

本文提出了植物染色体图象的一个自适应多元回归复原方法。选择染色体带边缘的某个邻域作为特征区域,经过滤波、分割和边缘提取得到特征区域的理想图象。根据模糊图象和估计的理想图象,利用多元回归分析设计滤波器,最后将滤波器应用于整幅图象完成图象的复原。实验结果表明:本文方法速度快,复原效果好。     

动态系统参数估计的一种新方法

分析了利用Ｈｏｐｆｉｅｌｄ神经网络进行系统参数估计的基本原理，把参数估计问题转化为Ｈｏｐｆｉｅｌｄ网络的能量函数的最小化问题．当能量函数达到最小值时，Ｈｏｐｆｉｅｌｄ网络的输出即为待估计的参数值．仿真实验证明了该方法的有效性．     

基于相对对比度与边缘相似性的雾化图像复原效果评价方法

由于无雾图像与有雾图像的对比度明显不同;并且在提高图像对比度的同时,要尽可能使复原图像与降质图像的边缘结构具有一致性以防止复原图像失真.由此提出基于相对对比度与边缘相似性相结合的方法来评价复原图像.仿真分析证明该方法能够客观有效地衡量各种去雾算法的有效性.     

中国古代测量天体赤道坐标的方法

对中国古代测量天体赤道坐标的方法进行了探讨,其中包括明代科学家周述学等有关测量天体赤道坐标的重要新史料,并对元代赵友钦《革象新书》中的有关记载进行了研究和复原(绘制了复原图)。文中初步弄清了中国古代用仪器测量天体赤道坐标的方法。     

神经网络在图象复原中的应用

介绍了传统图象复原方法的一些缺陷和神经网络的优良特性，讨论了神经网络在图象复原中的应用，并对基于Hopfield神经网络和多层感知器的两类图象复原方法进行了较深入的探索。     

基于Hopfield神经网络的图象处理

本文应用Ｈｏｐｆｉｅｌｄ网络模型解决计算机视觉中图象匹配与识别问题,对于单幅幅物体的３条边与模型中３条对应力,通过求解一元人方程同三维物姿态,进一步应用Ｈｏｐｆｉｅｌｄ网络求出最佳匹配点,从而识别三维物体,本论文的方法将为计算机视觉中高怪次匹配问题提供一种新的并行处理的途径。     

图象复原的最佳准则

本文详细地论述了统计复原的各种最佳准则，这些准则曾广泛地应用于线性或非线性图象复原方法中，指出了最大信息法(MI)更适合复原天文图象。在图象复原领域内，引入了三种新的图象复原准则——最大图象信息法(MII)、最小视觉差法(MPMSE)和最小检测概率均方差法(MDP-MSE)．前者基于模糊集原理，后两者基于人眼视觉特性。着重讨论一了基于检测概率的复原准则(MDP—MSE)、最大信息复原准则(MI)．     

小波变换及图象的VQ压缩

利用小波变换可实现图象的多分辨率分解，但分解后数据量并没有得到压缩，用ＶＱ对分解后的细节图象进行编码时，根据分解后矢量的均值，方差分类设计码本，该方法不但可有效地提高编码时搜索速度，而且重建后图象的也有所提高。     

基于马尔科夫约束最大后验概率三维显微图像复原算法

提出了基于马尔科夫约束的最大后验概率三维显微图像复原算法(3D MPMAP算法). 该算法根据显微图像三维的特点,构造三维PSF,对二维邻域进行三维拓展,对正则化参量进行简化,实现了三维显微图像的复原. 实验结果表明,各种信噪比的仿真三维显微图像的散焦信息干扰得到很大程度的排除,复原图像频谱得到较大的恢复,清晰度明显提高. 实际生物样本三维显微图像也获得了满意的复原效果.     

基于初级视觉模型的Hough变换的改进算法

Ｈｏｕｇｈ变换是图象分析的重要工具之一，但是Ｈｏｕｇｈ变换的运算量很大，这给实际应用带来很多不便，文章提出了一种基于初级视觉模型的Ｈｏｕｇｈ变换的改进算法，该算法可以大大地降低算量，降此之外，该算法可以直接针对原始图象进行，而不是象普通方法那样针对边级图象进行，因此可以省略图象的预处理，边缘提取等步骤，从而进一步加快处理速度。     

基于粗集方法改进的图象增强

研究一个基于粗集理论改进的图象增强方法，首先根据图象灰度和邻域灰度均值相似程度，建立粗集等价关系和相应划分集合，然后得到基于粗集方法的图象增强框架，提出该方法具体实现。该图象增强与传统增强方法相比较，在增强图象边缘的同时，很好地保留非边缘信息，并且能有效抑制噪声。     

一种基于断层积分求逆的目标复原方法

把ＣＴ成像机理引和三维目标重构，提出了基于断层积分求逆的目标复原方法。真实ＣＴ图象实验结果表明，该方法明显地优于传统的三维重建方法，可以较厚的断层条件下实现三维目标的准确复原，具有重要的理论意义和应用价值。     

神经网络在自回归建模中的应用

在信号估计和自适应滤波领域中，利用ＡＲ模型进行信号估计，虽然古老但仍不失为一种非常重要的估计方法。利用常规方法提取自回归模型参数，随着模型阶数的增加，其实时实现的难度也将增加。Ｈｏｐｆｉｅｌｄ和Ｔａｎｋ等人的工作表明，对于最佳ＡＲ估计问题，由于Ｈｏｐｆｉｅｌｄｄ网络的全互联和微分动力特性，该网络具有极强的分布并行处理能力，是解决该类问题的有力工具，作者在本文中利用Ｈｏｐｆｉｅｌｄ网络对模型的参数进