神经非线性滤波及其应用研究

本项目主要研究工作包括：提出用前馈神经滤波器（FNF）未研究广义非线性滤波的模型、实现、学习算法及参数优化方法等。FNF具有丰富的映射特性，优化参数与层叠滤波（SF）相比减少了10(3)个数量级以上，便于硬件实现。研究了用DSP实现FNF的技术。研究分析了估计类非线性滤波作图像处理时破坏图像结构信息的机理与原因，提出了样集决策思想和判集滤波的思想并研究了区域判集滤波、模板匹配判集滤波和聚类判集滤波算法，提出了基于区域生长的噪声图像细节保护滤波方法。研究了用复合形态滤波算法未完成二值图像的噪声滤波和粗细结构分割。本项研究对恶劣和高噪声环境中的目标识别、机器视觉及文件修复等领域有应用前景。