【数字图像恢复新方法的研究】黄海东.pdf

摘要摘要图像恢复在已知退化矩阵的情况下,可以看成是有约束误差函数的最小化问题。本文提出了一种结合神经网络和进化策略的优化算法[30][3],并把它应用于图像恢复。神经网络的图像恢复方法同传统的图像恢复方法比较具有以下优点。1)不需满足WSS(WideSenceStationary)条件:2)运算速度快.3)容错能力强。但由于神经网络的图像恢复方法是一种单向搜索算法,同时神经网络的局部最优点的数目随着神经网络规模扩大而增加,这就使得在收敛过程中能量函数极易收敛于局部极值。

目录目录中文摘要英文摘要.第一章概论.第二章一种结合进化策略与神经网络的图像恢复方法第一节基于神经网络的图像恢复方法第二节一种结合进化策略与神经网络的图像恢复方法第三节实验与结论第三章盲解图像恢复第一节简介第二节盲解图像恢复算法第三节实验结果分析与结论第四章结论致谢.

第一章概论已知的降质图像g(x,y)中,根据n(x,y)h(x,y)和f(x,y)的某些先验知识,对 f(x,y)做最佳的估值.造成图像降质的原因很多,大致可分为以下几个方面:1)成像系统的像差或有限带宽等造成的图像失真.2)太阳辐射.大气湍流等造成的遥感照片的失真.3)携带遥感仪器的飞机或卫星运动的不稳定,以及地球自转造成的几何失真.4)数字图像在采样.量化以及模-数和数-模转换时造成的失真.5)拍照时,相机与景物相对运动所造成的运动模糊.6聚焦不良所造成的散焦模糊:7)底片感光,图像显示时造成的记录显示失真.8)在图像系统中始终存在的噪声干扰。