| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-12页 |
| §1-1 研究背景及意义 | 第9页 |
| §1-2 运动模糊图像复原的国内外研究现状 | 第9-10页 |
| §1-3 本文的主要研究内容 | 第10-11页 |
| §1-4 本文的结构安排 | 第11-12页 |
| 第二章 基于脉冲耦合神经网络的图像去噪 | 第12-18页 |
| §2-1 噪声的特征与分类 | 第12-13页 |
| §2-2 PCNN 的神经元模型及工作原理 | 第13-15页 |
| 2-2-1 PCNN 神经元模型 | 第13-14页 |
| 2-2-2 PCNN 工作原理 | 第14-15页 |
| §2-3 基于 PCNN 模型的图像去噪方法 | 第15-17页 |
| 2-3-1 基于 PCNN 模型的脉冲噪声去除 | 第15-16页 |
| 2-3-2 实验结果与分析 | 第16-17页 |
| §2-4 本章小结 | 第17-18页 |
| 第三章 运动模糊参数估计 | 第18-30页 |
| §3-1 运动模糊的数学模型 | 第18-19页 |
| §3-2 基于梯度图像频谱的运动模糊角度估计 | 第19-26页 |
| 3-2-1 运动模糊图像的频谱特征分析 | 第19-20页 |
| 3-2-2 梯度图像 | 第20-21页 |
| 3-2-3 基于梯度图像频谱的运动模糊角度估计 | 第21-22页 |
| 3-2-4 实验结果与分析 | 第22-26页 |
| §3-3 基于模糊方向上 Radon 变换的运动模糊长度估计 | 第26-29页 |
| 3-3-1 Radon 变换 | 第26-27页 |
| 3-3-2 模糊长度估计算法 | 第27-28页 |
| 3-3-3 实验结果与分析 | 第28-29页 |
| §3-4 点扩展函数的确定 | 第29页 |
| §3-5 本章小结 | 第29-30页 |
| 第四章 道路交通标志图像的运动模糊复原 | 第30-40页 |
| §4-1 经典的图像复原算法 | 第30-33页 |
| 4-1-1 逆滤波 | 第30-31页 |
| 4-1-2 维纳滤波 | 第31页 |
| 4-1-3 约束最小二乘滤波 | 第31-32页 |
| 4-1-4 Lucy-Richardson 滤波 | 第32-33页 |
| §4-2 道路交通标志图像的运动模糊复原 | 第33-39页 |
| 4-2-1 不考虑噪声的图像复原 | 第33-37页 |
| 4-2-2 考虑噪声的图像复原 | 第37-39页 |
| §4-3 本章小结 | 第39-40页 |
| 第五章 总结与展望 | 第40-42页 |
| §5-1 本文总结 | 第40页 |
| §5-2 未来展望 | 第40-42页 |
| 参考文献 | 第42-45页 |
| 致谢 | 第45-46页 |
| 攻读学位期间所取得的相关科研成果 | 第46页 |