基于RBF神经网络的交叉检验图像降噪方法

径向基神经网络(RBFNN)有很好的函数逼近能力，本文把图像看成函数，用RBFNN来表示图像，并在学习过程中进行逼近，采用交叉检验的方法来确定网络模型并控制学习过程，使得网络既能较好地逼近图像，又对噪声进行抑制，从而达到图像降噪的目的。实验证明这是一个可行的盲目图像降噪方法，有广泛的适用性。本文还给出了实验中改进交叉检验方法的技术，给出了与wiener滤波器降噪的实验效果对比图。     

一种新的插值方法--运动轨迹法

介绍了一种新的插值方法:运动轨迹法,把插值问题转化成求匀加速运动轨迹的问题。新的插值方法简单、计算复杂度低,可以实现实时计算,插值函数二阶按段可导并且连续。这种方法可以用于对速度要求较高、对计算精度要求较低的实际领域中。     

逆主元法盲目复原高斯模糊图像

盲目图像复原的一个重要方法是检测出图像退化的点扩展函数的参数，然后根据估计的点扩展函数复原图像，但是对于高斯模糊的图像，很难检测出其点扩展函数，因此高斯模糊图像的盲复原一直是个棘手问题。本文提出一种新的算法：逆主元法，利用高斯点扩展函数的特性，在径向基神经网络的模型下，对图像进行盲目复原。实验表明，这种方法对轻度的高斯模糊图像，有很好的复原效果。