用前向网实现噪声图象的边缘提取

本文提出采用多层前向网及改进的ＢＰ算法，对经Ｃａｎｎｙ最佳边缘检测算子处理噪声图象后得到的高、低门限图进行不连续轮廓的并行“修补”，能够较快地得到信噪比高的边缘图象．     

改进的多分辨纹理图像分割算法

提出了一种改进的有监督纹理图像的分割算法。基于实际纹理图像是分割图像叠加了不规则噪声的假设,用被污染的高斯分布描述待分割的图像,并且利用多分辨模型得到代分辨层上的模型参数,从而实现由粗到细直到纹理图像的每个像素的分割。另外在禽域关联为先验信息利用上更为合理。所以这种方法不仅计算量小,而且分割结果也较为精确。     

一种基于模糊熵和遗传算法的图像分割方法

图像阈值分割技术在图像分析和图像识别中具有重要意义.作者将模糊数学理论和遗传算法结合在一起,利用最大模糊C组分类熵原则确定分割阈值.该方法可以将图分成两类或多类.实验结果表明该方法是有效的.     

基于反向传播神经网络的阻抗断层图像重建新方法

电阻抗成像是通过对物体表面电压、电流的测量来重建物体内部阻抗分布或变化图像的一种新颖计算机断层成像技术。阻抗断层图像重建是一种病态的、非线性的逆问题。提出了一种全新的阻抗断层图像重建方法，它利用反向传播神经网络来表征物体内部阻抗变化位置与物体表面电压变化大小的非线性映射关系，从而可以根据对物体表面测量电压的变化先准确定位阻抗变化区域，再用线性近似方法重建阻抗变化图像，这种方法不仅具有一定的抗噪能力，而且成像精度和空间分辨率都大大好于逆投影方法。     

基于弹性模反的嘴巴轮廓提取

本文提出了一种改进的更符合唇形的嘴巴弹性模板，结合一组利用了原图像灰度信息，边缘及谷值区域信息的能量函数。     

基于分维特征和反向传播神经网络的自然纹理识别

提出一种利用分维特征, 即自然纹理的自相似性进行纹理识别的研究。利用原始图像、高灰度图像、低灰度图像、四个方向（０°, ４５°, ９０°, １３５°）的梯度图像及二阶多分维共八个分维数作为特征值; 分维的计算采用改进的盒子计数法（ＭＢＣＭ）; 最后利用反向传播（ＢＰ）神经网络进行纹理的分类识别。实验结果与其它技术进行了比较, 并提出利用维纳滤波进一步改进分类性能。     

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。     

基于二维小波分解的图像树形结构编码

采用双正交小波变换对图像进行分解,得到一个图像的多分辨率表示。对于不同分辨率的子图在Ａｎｔｏｎｉｎｉ提出的方法基础上采用树形结构的问题的向量编码。从实验结果可以看出,与全搜索ＶＱ相比较在信噪比影响不大的基础上,大大减少了编解码的计算时间。