| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景 | 第9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 模糊图像分割算法研究现状 | 第9-11页 |
| 1.2.2 卷积神经网络研究现状 | 第11-12页 |
| 1.2.3 语义分割研究现状 | 第12-13页 |
| 1.3 论文研究内容及意义 | 第13-14页 |
| 1.4 论文组织结构 | 第14-15页 |
| 第二章 深度学习理论 | 第15-25页 |
| 2.1 人工神经网络 | 第15-18页 |
| 2.1.1 单个神经元 | 第15页 |
| 2.1.2 深度神经网络 | 第15-16页 |
| 2.1.3 反向传播算法 | 第16-18页 |
| 2.2 卷积神经网络 | 第18-19页 |
| 2.2.1 卷积(Convolution) | 第18-19页 |
| 2.2.2 池化(Pooling) | 第19页 |
| 2.3 深度神经网络的学习 | 第19-23页 |
| 2.3.1 神经网络的初始化 | 第20-21页 |
| 2.3.2 神经网络的训练方法 | 第21页 |
| 2.3.3 神经网络的优化方法 | 第21-22页 |
| 2.3.4 神经网络的正则化方法 | 第22页 |
| 2.3.5 其他优化技巧和方法 | 第22-23页 |
| 2.4 本章小结 | 第23-25页 |
| 第三章 基于无参考结构清晰度的快速模糊区域分割方法 | 第25-33页 |
| 3.1 方法原理 | 第25-28页 |
| 3.1.1 再模糊理论(Reblur) | 第25页 |
| 3.1.2 无参考结构清晰度模糊图像质量评价指标(NRSS) | 第25-26页 |
| 3.1.3 快速模糊区域分割方法 | 第26-28页 |
| 3.2 实验准备 | 第28-29页 |
| 3.2.1 评价指标 | 第28页 |
| 3.2.2 实验数据 | 第28-29页 |
| 3.3 实验与分析 | 第29-31页 |
| 3.3.1 快速模糊检测方法的结果 | 第29-30页 |
| 3.3.2 和其他模糊检测方法的比较 | 第30-31页 |
| 3.4 本章小结 | 第31-33页 |
| 第四章 基于语义分割神经网络的模糊区域提取方法 | 第33-45页 |
| 4.1 模糊区域分割网络(BlurNet) | 第33-36页 |
| 4.1.1 模糊区域分割网络结构 | 第33-34页 |
| 4.1.2 BlurNet的编码端 | 第34-35页 |
| 4.1.3 BlurNet的解码端 | 第35-36页 |
| 4.2 实验准备 | 第36-37页 |
| 4.2.1 实验数据和环境 | 第36-37页 |
| 4.2.2 训练参数设置 | 第37页 |
| 4.3 实验设计和结果分析 | 第37-43页 |
| 4.3.1 VGG16+FCNs网络的实验结果 | 第37-39页 |
| 4.3.2 BlurNet的实验结果 | 第39-40页 |
| 4.3.3 和其他模糊检测方法的比较 | 第40-42页 |
| 4.3.4 其他语义分割网络的实验结果 | 第42-43页 |
| 4.4 本章小结 | 第43-45页 |
| 第五章 基于多任务学习的模糊区域分割方法 | 第45-51页 |
| 5.1 多任务学习 | 第45-47页 |
| 5.2 网络设计 | 第47-48页 |
| 5.3 实验结果与分析 | 第48-49页 |
| 5.4 本章小结 | 第49-51页 |
| 第六章 总结与展望 | 第51-53页 |
| 6.1 总结 | 第51-52页 |
| 6.2 展望 | 第52-53页 |
| 致谢 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 作者简介 | 第59页 |