| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第12-17页 |
| 1.1 研究背景和意义 | 第12-13页 |
| 1.2 运动图像去模糊算法国内外研究现状 | 第13-15页 |
| 1.3 本文研究内容及结构安排 | 第15-17页 |
| 第二章 运动图像盲去模糊数学模型的研究 | 第17-25页 |
| 2.1 图像退化模型 | 第17-19页 |
| 2.2 经典的运动图像去模糊数学模型 | 第19-20页 |
| 2.2.1 最大似然估计 | 第19-20页 |
| 2.2.2 最大后验概率 | 第20页 |
| 2.3 模糊图像梯度先验 | 第20-22页 |
| 2.3.1 图像梯度的稀疏特性 | 第20-21页 |
| 2.3.2 图像梯度先验模型 | 第21-22页 |
| 2.4 多尺度迭代框架模型 | 第22-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章 基于倒谱分析的模糊核尺度估计方法 | 第25-41页 |
| 3.1 经典的运动模糊核估计算法 | 第25-27页 |
| 3.1.1 模糊核的稀疏特性 | 第25-26页 |
| 3.1.2 模糊核初始化 | 第26-27页 |
| 3.1.3 基于迭代检测的模糊核优化 | 第27页 |
| 3.2 基于傅里叶频谱分析的模糊核尺度估计 | 第27-31页 |
| 3.2.1 模糊图像的预处理 | 第27-29页 |
| 3.2.2 单一方向运动模糊图像的频谱分析 | 第29-30页 |
| 3.2.3 单一方向运动模糊核尺度估计 | 第30-31页 |
| 3.3 基于模糊图像倒谱分析的模糊核尺度估计 | 第31-39页 |
| 3.3.1 图像的自相关函数 | 第32页 |
| 3.3.2 图像倒谱的特性分析 | 第32-34页 |
| 3.3.3 通过图像梯度倒谱估计模糊核尺度 | 第34-35页 |
| 3.3.4 模糊核尺度估计的优化 | 第35-36页 |
| 3.3.5 实验结果与分析 | 第36-39页 |
| 3.4 本章小结 | 第39-41页 |
| 第四章 基于显著强度先验的图像去模糊数学模型 | 第41-54页 |
| 4.1 基于图像强度先验与梯度先验的图像去模糊算法 | 第41-45页 |
| 4.1.1 图像强度先验 | 第42-43页 |
| 4.1.2 基于图像强度先验与梯度先验的数学模型 | 第43-45页 |
| 4.2 图像强度的特殊通道先验模型 | 第45-47页 |
| 4.3 基于显著强度先验的图像去模糊数学模型 | 第47-53页 |
| 4.3.1 基于显著区域检测的强度先验模型 | 第47-49页 |
| 4.3.2 基于显著强度先验的潜在清晰图像估计 | 第49-50页 |
| 4.3.3 实验结果与分析 | 第50-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第五章 图像去模糊算法的自适应迭代优化 | 第54-66页 |
| 5.1 基于图像峰度的图像去模糊算法优化 | 第54-56页 |
| 5.1.1 模糊图像峰度特点 | 第54-55页 |
| 5.1.2 图像去模糊算法的无参数化优化 | 第55-56页 |
| 5.2 自适应迭代的图像去模糊算法 | 第56-59页 |
| 5.2.1 传统图像去模糊迭代算法 | 第56-57页 |
| 5.2.2 图像去模糊的自适应迭代算法 | 第57-59页 |
| 5.3 实验结果与分析 | 第59-65页 |
| 5.3.1 图像库实验结果 | 第60-62页 |
| 5.3.2 自然模糊图像实验结果 | 第62-65页 |
| 5.3.3 算法时效性分析 | 第65页 |
| 5.4 本章小结 | 第65-66页 |
| 第六章 总结与展望 | 第66-68页 |
| 6.1 总结 | 第66页 |
| 6.2 展望 | 第66-68页 |
| 参考文献 | 第68-73页 |
| 致谢 | 第73-74页 |
| 在学期间的研究成果及发表的学术论文 | 第74页 |