| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第一章 绪论 | 第14-19页 |
| 1.1 课题研究背景和意义 | 第14-15页 |
| 1.2 图像复原研究现状 | 第15-17页 |
| 1.2.1 非盲去模糊 | 第15-16页 |
| 1.2.2 盲去模糊 | 第16-17页 |
| 1.3 本文研究内容和章节安排 | 第17-19页 |
| 1.3.1 本文主要研究内容 | 第17-18页 |
| 1.3.2 章节安排 | 第18-19页 |
| 第二章 图像运动模糊复原理论基础 | 第19-34页 |
| 2.1 图像退化模型以及噪声分类 | 第19-22页 |
| 2.1.1 图像退化模型 | 第19-21页 |
| 2.1.2 图像噪声分类 | 第21-22页 |
| 2.2 盲去卷积 | 第22-27页 |
| 2.2.1 贝叶斯模型 | 第22-23页 |
| 2.2.2 基于最大后验概率 | 第23-24页 |
| 2.2.3 基于变分贝叶斯 | 第24-26页 |
| 2.2.4 基于边缘预测 | 第26-27页 |
| 2.3 非盲去卷积算法 | 第27-29页 |
| 2.3.1 逆滤波 | 第27页 |
| 2.3.2 维纳滤波 | 第27-28页 |
| 2.3.3 约束最小二乘方滤波复原 | 第28-29页 |
| 2.3.4 Richardson-Lucy复原算法 | 第29页 |
| 2.4 图像评价标准以及振铃现象 | 第29-32页 |
| 2.4.1 主观评价方法 | 第29-30页 |
| 2.4.2 参考型评价方法 | 第30-31页 |
| 2.4.3 无参考型图像评价方法 | 第31-32页 |
| 2.4.4 振铃现象 | 第32页 |
| 2.5 本章小结 | 第32-34页 |
| 第三章 基于图像自相似的去运动模糊算法 | 第34-48页 |
| 3.1 引言 | 第34-35页 |
| 3.2 L_1/L_2正则化去模糊算法原理 | 第35-38页 |
| 3.2.1 L_1/L_2正则化方法 | 第35-37页 |
| 3.2.2 基于超拉普拉斯的复原方法 | 第37-38页 |
| 3.3 基于图像自相似性的去运动模糊算法 | 第38-43页 |
| 3.3.1 冲击滤波原理 | 第39-41页 |
| 3.3.2 非局部均值滤波原理 | 第41-42页 |
| 3.3.3 改进方法流程 | 第42-43页 |
| 3.4 实验结果及分析 | 第43-47页 |
| 3.4.1 仿真图像复原实验 | 第43-45页 |
| 3.4.2 实际模糊图像复原实验 | 第45-47页 |
| 3.5 本章小结 | 第47-48页 |
| 第四章 视频监控中图像去运动模糊 | 第48-61页 |
| 4.1 引言 | 第48-49页 |
| 4.1.1 监控图像去模糊研究背景和难点 | 第48页 |
| 4.1.2 文字图像去模糊研究现状 | 第48-49页 |
| 4.2 车牌图像去运动模糊方法 | 第49-55页 |
| 4.2.1 车牌图像的特征 | 第49-51页 |
| 4.2.2 基于L_0正则化先验车牌图像的去模糊 | 第51-54页 |
| 4.2.3 双边滤波原理(Bilateral filtering) | 第54-55页 |
| 4.3 实验结果及分析 | 第55-57页 |
| 4.3.1 仿真模糊车牌复原实验 | 第55-56页 |
| 4.3.2 实际模糊车牌复原实验 | 第56-57页 |
| 4.4 行人图像去模糊方法 | 第57-60页 |
| 4.5 本章小结 | 第60-61页 |
| 第五章 总结与展望 | 第61-63页 |
| 5.1 论文主要内容 | 第61页 |
| 5.2 未来的研究与工作展望 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第67-68页 |