| 摘要 | 第3-4页 |
| abstract | 第4页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 课题研究背景及意义 | 第8-9页 |
| 1.2 图像复原研究现状 | 第9-12页 |
| 1.2.1 图像非盲去模糊 | 第10-11页 |
| 1.2.2 图像盲去模糊 | 第11-12页 |
| 1.3 论文主要工作与结构安排 | 第12-14页 |
| 1.3.1 论文主要工作 | 第12-13页 |
| 1.3.2 论文结构安排 | 第13-14页 |
| 第二章 全变差正则化的图像去模糊 | 第14-30页 |
| 2.1 图像降质模型 | 第14-15页 |
| 2.2 正则化图像复原方法 | 第15-16页 |
| 2.3 全变差正则化图像去模糊 | 第16-17页 |
| 2.4 全变差正则化去模糊模型的求解方法 | 第17-23页 |
| 2.4.1 FTVD算法 | 第18-20页 |
| 2.4.2 ADM算法 | 第20-23页 |
| 2.5 全变差正则化图像去模糊模型的缺陷 | 第23页 |
| 2.6 全变差正则化去模糊模型改进 | 第23-27页 |
| 2.6.1 加权TV正则化模型 | 第24-26页 |
| 2.6.2 高阶TV模型 | 第26-27页 |
| 2.7 基于稀疏正则化的图像复原 | 第27-29页 |
| 2.8 本章小结 | 第29-30页 |
| 第三章 基于暗通道先验和多方向加权TV的图像盲去模糊 | 第30-46页 |
| 3.1 基于边缘检测的多方向加权TV | 第30-31页 |
| 3.2 暗通道稀疏性先验 | 第31-33页 |
| 3.3 基于暗通道先验与多方向加权TV的图像去模糊模型(DCP-MDWTV) | 第33页 |
| 3.4 基于自适应强边缘提取的模糊核估计 | 第33-35页 |
| 3.4.1 自适应强边缘提取 | 第33-34页 |
| 3.4.2 模糊核估计 | 第34-35页 |
| 3.5 基于交替方向发的数值化求解算法 | 第35-37页 |
| 3.5.1 DCP-MDWTV模型求解 | 第35-36页 |
| 3.5.2 模糊核估计求解 | 第36-37页 |
| 3.6 实验与结果分析 | 第37-44页 |
| 3.6.1 客观性能指标对比 | 第37-40页 |
| 3.6.2 主观效果对比 | 第40-44页 |
| 3.7 本章小结 | 第44-46页 |
| 第四章 基于原始对偶算法的自适应加权TGV图像去模糊 | 第46-58页 |
| 4.1 广义全变差去噪模型 | 第47-48页 |
| 4.2 自适应加权TGV图像去模糊 | 第48-49页 |
| 4.3 基于原始-对偶算法的模型求解 | 第49-50页 |
| 4.3.1 原始-对偶算法 | 第49页 |
| 4.3.2 基于原始对偶-算法的模型求解 | 第49-50页 |
| 4.4 实验与结果分析 | 第50-56页 |
| 4.4.1 客观性能对比 | 第50-52页 |
| 4.4.2 主观效果图对比 | 第52-56页 |
| 4.5 本章小结 | 第56-58页 |
| 第五章 总结与展望 | 第58-60页 |
| 5.1 工作总结 | 第58-59页 |
| 5.2 研究展望 | 第59-60页 |
| 参考文献 | 第60-66页 |
| 发表论文和参加科研情况说明 | 第66-68页 |
| 致谢 | 第68页 |
