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)．     

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。     

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。     

匀速运动模糊图象的伪逆复原方法

针对匀速运动模糊图象复原问题,指出了文献中迭代计算公式的错误,给出正确公式,并提出一种基本图象加修正图象的伪逆复原方法,计算机实验表明,这种方法具有较好的效果.     

精确复原退化图象的连续Hopfield网络研究

提出一种改进的全并行自反馈连续Ｈｏｐｆｉｅｌｄ网络和于图象复原。理论分析表明，该改进的Ｈｏｐｆｉｅｌｄ网络模型能使网络能量更精确地收敛到全局极小，从而提高复原图象的质量。对该网络复原匀速直线运动模糊图象的结果与Ｐａｉｌ方法得到的复原图象进行了比较，发现该方法得到和复原图象信噪比提高显著，目视效果更佳。     

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。     

一种新的低空间分辨力阵列触觉图象的处理方法

本文根据低空间分辨力阵列触觉图象的特点，分析了噪声来源、形式和分布，提出了一种新的基于平滑的噪声消除方法。讨论了在图象基本顶点的基础上，运用了顶点分裂和合并技术找出相应的图形顶点，并通过最小二乘法复原出离散图象的连续轮廓，从而为提高触觉图象辨识率奠定了基础．     

植物染色体图象处理与计算机自动分析

本文主要研究了植物染色体图象预处理与计算机自动分析。预处理包括复原与几何处理两部分。鉴于染色体图象的具体情况,我们设计了一种新的复原方法——多元回归复原方法。将该方法应用于模拟图象和植物染色体图象的结果表明:该方法速度快,复原效果颇好。以此为基础,进行几何处理(包括放大,中轴提取与拟合)。在预处理的基础上,再进行计算机自动分析(包括特性提取、特征提取与分类器设计)。我们选用Fourier变换进行特征提取,然后利用K—NN判别规则进行分类、识别。为了加快K—NN判别规则的运算速度,还提出了线性空间的快速分类技术。     

水下模糊图象维纳滤波和卡尔曼滤波恢复算法研究

该文将海水中图象传输特性的研究与用此传输特性进行水下模糊图象恢复结合起来，得到一套测量水体传递函数及进行水下图象处理的方法，采用维纳（Wiener)滤波和卡尔曼（Kalman)滤波算法，对模糊图象进了恢复，结果表明，利用计算机采用一定的算法对散射性质已知的水体造成的图象模糊可以进行有效的复原，且良好效果。     

利用双正交小波变换去除图象噪声

对噪声污染的图象进行复原处理时，传统的去噪声方法会造成图象模糊。本文用双正交小波变换去除图象噪声，从结果看利用双正交小波变换进行多分辨率低通滤波在去除噪声的同时造成的模糊比传统低通滤波器少。     

应用Hopfield神经网络优化最大熵的图像恢复算法

基于图像最大熵分析,提出了一种基于Hopfield神经网络优化的图像恢复算法.将图像恢复问题转化为Hopfield神经网络优化问题,取恢复图像熵函数最大以及原始图像与恢复图像之间的误差平方和最小作为图像恢复的目标,构造能量函数连续型Hopfield神经网络模型,由Hopfield神经网络能量函数极小化可得到问题的优化解,其算法通过仿真实验,验证了算法的优越性.     

基于神经网络的降质图像恢复

以基于离散Hopfield神经网络的图像恢复模型为基础,研究基于神经网络解决降质图像恢复问题. 从Toeplitz循环矩阵和模拟退火算法等二个方面对该算法进行改进,使时间复杂度和空间复杂度大大降低,同时提高了图像的恢复效果. 实验表明,改进算法对于降质图像恢复是有效的,比传统的逆滤波、维纳滤波方法具有更好的峰值信噪比.     

基于遗传BP神经网络的COSM图像复原算法

提出了一种基于遗传BP人工神经网络的COSM图像复原算法,利用BP神经网络的学习记忆和泛化能力,通过用一组COSM样本图像对网络进行训练,建立含有离焦模糊的模糊三维图像与清晰三维图像之间的非线性映射关系,然后利用训练好的BP神经网络对待复原的COSM图像进行复原处理,从而实现COSM图像复原.复原的三维图像无论在主观视觉还是定量分析上都取得了很好的效果.与传统的图像复原算法不同,该算法免去了解卷积等复杂的运算,不存在病态问题,可广泛应用于模糊图像的复原中并且效果较好.     

用二元树复小波变换法实现离焦图像的半盲复原

提出了一种基于二元树复小波变换和神经网络的半盲离焦图像复原算法,首先利用二元树复小波变换和特征值分解提取图像的特征矢量,将该矢量用来训练小波神经网络,利用训练好的网络估计离焦模糊参数.由此获得点扩展函数,用Wiener滤波完成图像的复原.实验结果表明,该方法能有效地估计离焦模糊参数和复原模糊图像.     

一种结合进化策略与神经网络的图象恢复方法

图象恢复在已知退化矩阵的前提下,可近似看成求解最优化问题.本文提出了一种进化　策略与神经网络结合的求解最优算法,并应用于图象恢复.结果表明,综合算法优于仅采用神经网络的算法.     

基于BP神经网络和逆滤波器的小波域半盲离焦图像复原

本文利用BP神经网络和逆滤波器提出了一种新的半盲离焦图像复原算法.在小波域,提取特点向量,然后训练BP神经网络,利用训练后的网络估计离焦参数.根据离焦参数得到点扩展函数,利用逆滤波器复原模糊图像.仿真实验结果表明：该方法能有效地复原离焦模糊图像.     

源于盲分离思想的线性变形图象校正

本文从盲分离思想入手，利用反馈式社会经网络，根据Ｈｅｂｂｉａｎ学习算法，对二维线性变形二值图象的校正问题提出了一个新的解决方法，并对分离状态的稳定性进行了讨论，最后给计算机的模拟结果。     

基于卷积神经网络的商品图像精细分类

针对某一类别商品图像的精细分类,研究并实现了深度学习中的卷积神经网络方法。所设计的卷积神经网络由2个卷积层、2个亚采样层及1个完全连接层组成,特征平面的神经元只对其感受野的重叠区域做出反应,由反向传播算法调整网络参数最终完成学习任务。通过鞋类图像的精细分类实验表明,该方法平均分类正确率可达91.5%。     

一种基于视觉感知的复合医学图像分割算法

为提高医学图像分割的视觉效果,依据人类视觉感知的分层特性,提出了一种新的复合医学图像分割方法.该方法通过提取医学图像的底层特征,利用Fuzzy-ART神经网络作为像素的分类器,对医学图像进行连续两次分割.实验结果表明,该医学图像分割方法能有效地解决局部信息与整体分布边缘淡化等相关问题,达到良好的分割视觉效果.     

基于人工神经网络的函数逼近法计量精度的提高

提出一种基于BP神经网络的提高激光干涉计量精度的数据处理方法，并将该方法与常用最小二乘法作二次曲线拟合进行比较。结果表明，用神经网络逼近函数方法，不但解决了光学干涉计量中像素尺寸以及图像采集卡空间量化误差对测量精度的影响，而且解决了目标函数多极值问题，从而干涉条纹可获得高于光敏像素级定位精度。最后将干涉条纹的光强精确地拟合出来，讨论曲线拟合误差，表明该算法具有很好的鲁棒性和自适应能力。