| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 目录 | 第10-14页 |
| 第1章 绪论 | 第14-34页 |
| 1.1 课题背景与研究意义 | 第14-15页 |
| 1.2 图像退化模型与复原思路 | 第15-17页 |
| 1.3 非盲图像复原技术的研究现状 | 第17-22页 |
| 1.3.1 基于滤波的方法 | 第17-19页 |
| 1.3.2 基于正则化的方法 | 第19-20页 |
| 1.3.3 基于偏微分方程的方法 | 第20-22页 |
| 1.4 盲图像复原技术的研究现状 | 第22-32页 |
| 1.4.1 多幅图像的复原方法 | 第22-25页 |
| 1.4.2 硬件辅助的复原方法 | 第25-28页 |
| 1.4.3 单幅图像的复原方法 | 第28-32页 |
| 1.5 主要研究内容及结构安排 | 第32-34页 |
| 第2章 全变分图像复原理论及数值算法 | 第34-55页 |
| 2.1 引言 | 第34页 |
| 2.2 图像复原的全变分模型 | 第34-45页 |
| 2.2.1 有界变分空间 | 第34-35页 |
| 2.2.2 全变分范数及其性质 | 第35-39页 |
| 2.2.3 全变分图像复原模型 | 第39-45页 |
| 2.3 全变分图像复原数值算法 | 第45-50页 |
| 2.3.1 人工时间演化法（Artificial Time Marching） | 第45-46页 |
| 2.3.2 固定点迭代法（Fixed Point Iteration） | 第46页 |
| 2.3.3 原始-对偶法（Prime-Dual Method） | 第46-47页 |
| 2.3.4 分裂 Bregman 算法（Split-Bregman） | 第47-49页 |
| 2.3.5 交替方向法（Alternating Direction Method） | 第49-50页 |
| 2.4 实验结果及分析 | 第50-54页 |
| 2.5 本章小结 | 第54-55页 |
| 第3章 耦合梯度保真项的自适应全变分图像复原方法研究 | 第55-72页 |
| 3.1 引言 | 第55-56页 |
| 3.2 基于偏微分方程图像复原的阶梯效应处理研究 | 第56-61页 |
| 3.2.1 阶梯效应的产生原因 | 第56-57页 |
| 3.2.2 高阶偏微分方程去噪模型 | 第57-58页 |
| 3.2.3 自适应全变分复原模型 | 第58-59页 |
| 3.2.4 算法效果对比及分析 | 第59-61页 |
| 3.3 耦合梯度保真项的自适应全变分图像复原模型 | 第61-65页 |
| 3.3.1 模型建立及性能分析 | 第61-62页 |
| 3.3.2 理论可行性论证 | 第62-63页 |
| 3.3.3 参数选取准则 | 第63-64页 |
| 3.3.4 数值算法 | 第64-65页 |
| 3.4 实验结果与分析 | 第65-71页 |
| 3.4.1 参数确定 | 第66-68页 |
| 3.4.2 复原结果 | 第68-71页 |
| 3.5 本章小结 | 第71-72页 |
| 第4章 运动成像混合模糊的全变分图像复原方法研究 | 第72-98页 |
| 4.1 引言 | 第72-73页 |
| 4.2 基于图像空域特征的运动模糊参数估计 | 第73-77页 |
| 4.2.1 基于方向微分的运动模糊方向鉴别 | 第73-75页 |
| 4.2.2 基于微分自相关的运动模糊尺度估计 | 第75-77页 |
| 4.3 基于图像频域特征的运动模糊参数估计 | 第77-82页 |
| 4.3.1 运动模糊图像频谱特征分析 | 第77-79页 |
| 4.3.2 基于Radon变换的运动模糊方向鉴别 | 第79-82页 |
| 4.4 传统图像复原算法 | 第82-85页 |
| 4.4.1 维纳滤波算法 | 第82-83页 |
| 4.4.2 约束最小二乘法 | 第83-84页 |
| 4.4.3 Richardson-Lucy 算法 | 第84-85页 |
| 4.5 运动成像混合模糊的全变分图像复原 | 第85-96页 |
| 4.5.1 混合模糊参数倒谱估计 | 第86-91页 |
| 4.5.2 图像复原模型及数值算法 | 第91-92页 |
| 4.5.3 实验结果与分析 | 第92-96页 |
| 4.6 本章小结 | 第96-98页 |
| 第5章 图像先验约束的单幅模糊图像复原方法研究 | 第98-115页 |
| 5.1 引言 | 第98-99页 |
| 5.2 贝叶斯理论的图像复原方法 | 第99-103页 |
| 5.2.1 最大似然估计(Maximum Likelihood Estimation, MLE) | 第99-100页 |
| 5.2.2 最大后验概率估计(Maximum a Posterior, MAP) | 第100-101页 |
| 5.2.3 贝叶斯估计(Bayesian Estimation) | 第101-103页 |
| 5.3 图像复原先验约束模型及性能分析 | 第103-106页 |
| 5.3.1 模糊图像概率模型 | 第103页 |
| 5.3.2 原始图像概率模型 | 第103-105页 |
| 5.3.3 模糊核先验概率模型 | 第105-106页 |
| 5.4 能量泛函及交替优化数值算法 | 第106-113页 |
| 5.4.1 优化模糊核子能量函数 | 第107页 |
| 5.4.2 优化图像子能量泛函 | 第107-109页 |
| 5.4.3 实验结果与分析 | 第109-113页 |
| 5.5 本章小结 | 第113-115页 |
| 第6章 图像梯度倒谱分析的单幅模糊图像复原方法研究 | 第115-129页 |
| 6.1 引言 | 第115页 |
| 6.2 模糊图像梯度倒谱分析方法 | 第115-120页 |
| 6.2.1 图像倒谱的定义和性质 | 第116-117页 |
| 6.2.2 图像梯度倒谱的 PSF 估计 | 第117-119页 |
| 6.2.3 PSF 相位恢复 | 第119-120页 |
| 6.3 PSF 估计实验验证 | 第120-123页 |
| 6.3.1 仿真模糊图像 PSF 估计 | 第120-121页 |
| 6.3.2 实拍模糊图像 PSF 估计 | 第121-123页 |
| 6.4 模糊图像复原 | 第123-128页 |
| 6.4.1 复原模型及数值算法 | 第123-125页 |
| 6.4.2 实验结果分析 | 第125-128页 |
| 6.5 本章小结 | 第128-129页 |
| 结论与展望 | 第129-132页 |
| 论文工作总结 | 第129-130页 |
| 论文主要创新点 | 第130-131页 |
| 进一步研究工作与展望 | 第131-132页 |
| 参考文献 | 第132-145页 |
| 攻读学位期间发表论文与研究成果清单 | 第145-146页 |
| 致谢 | 第146-147页 |
| 作者简介 | 第147页 |
