高阶Hopfield型神经网络的吸引域和指数收敛速度的估计

利用 Lyapunov方法,对高阶连续 Hopfield型神经网络平衡点的局部指数稳定性进行研究,得到了该网络平衡点的吸引域及其中每点趋向于平衡点的指数收敛速度的估计结果。     

神经网络指数稳定性分析及收敛率估计

该文通过李雅普诺夫直接方法,研究了一类 Hopfield神经网络平衡点的存在性、唯一性与指数稳定性。文中假设神经网络系统的激励函数为单调增Lipschitz连续函数,在自反馈项为非线性函数的条件下,研究其指数稳定性,同时给出了收敛率估计式。     

不对称时延Hopfield神经网络的全局指数稳定性及收敛速度的估计

本文通过构造适当Ｌｙａｐｕｎｏｖ泛函的方法,对具有时延的不对称Ｈｏｐｆｉｅｌｄ型神经网络平衡点的指数稳定性进行了分析,得到了平衡点指数稳定的充分条件,同时我们也对其指数收敛速度进行了估计．     

具有时滞的高阶Hopfield型神经网络的稳定性

通过Lyapunov泛函的方法，对具有时滞的高阶连续型Hopfield神经网络平衡点的稳定性进行分析，利用Razumikhin定理得到平衡点全局一致渐近稳定的时滞相关与时滞无关充分条件。     

Hopfield连续联想记忆的吸引域和指数收敛速度的估计及其应用

本文得到了Ｈｏｐｆｉｅｌｄ连续联想记忆各记忆模式的吸引域及其中每一点趋向记忆模式的指数收敛速度的估计结果，它们可用来评价Ｈｏｐｆｉｅｌｄ连续反馈联想记忆的容错能力，且可用于综合更为实用的连续联想记忆神经网络。     

非线性连续神经网络平衡态的吸引域及收敛指数的估计

给出一种新的简单方法分析非线性连续神经网络的指数稳定性。得到了最优化计算神经网络全局指数稳定的一些判定条件,以及联想记忆神经网络各平衡态的吸引域与收敛速度估计。所得结论推广了某些文献中已有结果。     

非线性连续神经网络平衡的吸引域及收敛指数的估计

给出了一种新的简单方法分析非线性连续神经网络的指数稳定性,得到了最优化神经网络全局指数稳定的一些判定条件,以及联想记忆神经网络各平衡态的吸引域与收敛速度估计,所得结论推广了某些文献中已有结果。     

Hopfield连续联想记忆的吸引域和收敛速度研究

本文利用某些技巧和Ｌｙａｐｕｎｏｖ方法,得到了Ｈｏｐｆｉｅｌｄ连续联想记忆模式的吸收域及其中每一点趋向记忆模式的指数收敛速度的一些全新的估计结果。这些结果可用于评价Ｈｏｐｆｉｅｌｄ连续反馈联想记忆网络的容错能力,且可用于综合连续反馈联想记忆网络。     

时延不对称Hopfield神经网络的稳定条件及其应用

本文对具有时延的不对称Ｈｏｐｆｉｅｌｄ型神经网络平衡点的稳定性进行了分析，得到了网络平衡点全局渐近稳定的一些充分条件，最后我们说明了分析结果在网络设计和参数选择中的应用。     

不对称时处Holpfield神经网络的全局指数稳定性及收敛速度的估计

本文通过构造适当Ｌｙａｐｕｎｏｖ泛函的方法,对具有时延的不对称Ｈｏｐｆｉｅｌｄ型神经网络平衡点的指数稳定性进行了分析,得到了平衡点指数的稳定充分条件,同时我们也对其指数收敛速度进行了估计。     

改进的混合MAP-POCS超分辨率图像复原算法研究

超分辨率图像复原技术在不改变硬件的条件下可提高成像系统获取图像的分辨率。研究了图像退化机理,建立了精确的图像退化过程模型,提出一种改进的混合MAP-POCS复原算法,将POCS的凸集约束条件加入到MAP估计过程中。运用峰值信噪比(PSNR)等评价手段对复原图像进行质量评价。仿真结果表明,改进的混合复原算法能够有效地保证复原求解的收敛性并保持复原图像的边缘细节,提升了超分辨率的复原效果。     

一种新型的图像修复方法

在当今对信息的需求不断增加的情况下,作为获取信息的重要手段,图像处理显得尤为重要.以往的用于图像修复的BSCB模型体现了偏微分方程在图像处理领域中的广泛应用和重要性,然而其也具有一定的缺陷,将针对BSCB模型运算速度过慢的问题,分析其产生的原因,并在此基础上提出一种新的算法.实验证明,新方法在处里的效果上强于传统模型,且修复所需时间明显缩短.     

基于Matlab平台的含噪图像恢复

根据噪声的先验特点，建立了基于Markov随机场的退化图像恢复模型，从而将图像的恢复问题转化为求解最大后验概率(MAP)的问题。本文以模拟退火算法的思想为基础，通过引入随机判据的方法代替退火过程来进行MAP的估计，实验结果证明了这种方法的有效性。     

基于蛙跳算法的模糊图像复原

为了提高模糊图像复原后的清晰度,提出蛙跳算法。将蛙群体分成若干个族群,每个族群包含若干只青蛙,每次进化只更新最差青蛙的位置。为防止解空间收缩,对最优个体进行高斯变异算子操作,同时设定阈值策略对蛙跳各维变量进行指导性更新。建立模糊图像复原模型,用蛙跳算法非线性映射特性建立模糊图像与复原的函数关系,使模糊图像复原的解最终收敛于泊松统计的最大似然解。建立了复原评价指标。仿真实验结果表明,与其他算法相比,蛙跳算法复原较清晰,改善百分比最大,同时耗时最少。     

基于广义递归反演的超分辨率图像恢复研究

超分辨率图像恢复在安全监控、遥感监测、军事侦察等领域有着广泛的应用.文中提出了一种基于广义递归反演的超分辨率图像恢复算法,该算法引入正则化因子,将超分辨率图像恢复的欠定问题转化为适定问题,然后通过递归的方式来恢复超分辨率图像.仿真结果表明,该算法能从多帧低分辨率图像来恢复所需要的超分辨率图像,而且算法是稳健的和有效的.     

基于支撑向量机的盲超分辨率图像复原算法

本文提出了一种基于支撑向量机的盲超分辨率图像复原算法.首先采用Sobel算子和局部方差从训练图像中提取能够表征模糊参数信息的特征向量,并利用支撑向量机建立特征向量与对应的候选参数的映射关系,然后通过建立的模型对不同光照条件下的低分辨率图像进行参数辨识,最后根据辨识出的模糊参数融合不同光照条件下的低分辨率图像同时实现了图像动态范围和空间分辨率的增强.为了实现低分辨率图像间的亚像素配准,还提出了一种基于Retinex的亚像素运动估计算法.仿真结果表明与传统算法相比,无论从主观视觉还是定量描述上本文算法均具有较好的效果.     

基于小波域改进HMT模型的图像恢复算法

针对图像恢复中的边缘模糊问题,提出了一种基于小波域改进隐马尔可夫树( IHMT) 模型的图像恢复算法。IHMT模型更多描述了相邻尺度小波系数的互相关性,能准确刻画自然图像小波系数的统计特性。本文从图像恢复的贝叶斯框架出发,将简化的IHMT模型作为图像小波域的先验模型,构造正则化约束进行图像恢复。采用近似等价的方法,将含有混合密度的恢复方程简化为单一密度求解。实验结果表明,该算法能有效再现图像的边缘信息,提高峰值信噪比。     

基于卡尔曼滤波的图像复原

本文研究了基于卡尔曼滤波的图像复原方法。介绍了图像模型的建立以及几种经典卡尔曼滤波图像复原方法,提出了图像模型自适应的复原算法,并进行了仿真研究。在其退化过程只限于假定是被白噪声污染的马尔可夫（Markov）过程的条件下,目前应用卡尔曼滤波进行图像复原结果显示,本方法具有更好的性能。     

基于MPMAP序列红外图像高分辨力重建和非均匀性校正

红外焦平面阵列(IRFPA)的非均匀性校正是获得高性能热成像的基本保证,非均匀性校正(NUC)算法是当前国内外研究的重要方向.鉴于序列图像的超分辨力复原方法和基于场景的NUC算法都需要存在微位移的多帧序列目标场景图像,本文在Poisson和Markov分布假设的基础上,将超分辨力复原与NUC结合,针对存在非均匀性的红外...     

考虑亚像素配准误差的超分辨率图像复原

超分辨率图像复原作为第二代图像复原方向,已成为目前国际图像复原界的一个研究热点.一般来说,超分辨率图像复原是一个病态问题,可以结合图像的先验信息,使其成为良态的,这需要有效的规整化算法.但是,规整化参数的选择多数情况是通过经验确定的,且现有的一些计算规整化参数的方法又过于繁琐.本文讨论了亚像素配准误差引入的情况下噪声的统计模型,利用Miller规整的思想给出了简易可行的规整化参数计算方法.这种规整化参数计算方法能够自适应地根据配准误差和观测噪声局部调整由于配准误差导致的失真.仿真结果表明得到的规整化参数能使规整化算法有效收敛.