| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 选题背景及研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 本文的主要研究内容与安排 | 第13-14页 |
| 第2章 含噪模糊图像特征及分析方法 | 第14-30页 |
| 2.1 图像退化模型及种类 | 第14-16页 |
| 2.1.1 图像退化模型 | 第14-15页 |
| 2.1.2 退化函数的种类 | 第15-16页 |
| 2.2 噪声 | 第16-18页 |
| 2.2.1 按照干扰源分类 | 第16-17页 |
| 2.2.2 按照幅度特性分类 | 第17-18页 |
| 2.3 图像去噪的方法 | 第18-21页 |
| 2.3.1 均值滤波 | 第19页 |
| 2.3.2 中值滤波 | 第19-20页 |
| 2.3.3 小波变换 | 第20页 |
| 2.3.4 经验模态分解 | 第20-21页 |
| 2.4 图像复原算法 | 第21-24页 |
| 2.4.1 逆滤波器方法 | 第21页 |
| 2.4.2 约束最小二乘法 | 第21-22页 |
| 2.4.3 维纳滤波方法 | 第22-23页 |
| 2.4.4 Richardson-Lucy算法 | 第23-24页 |
| 2.5 图像的质量评价方法 | 第24-27页 |
| 2.5.1 主观评价方法 | 第24-25页 |
| 2.5.2 客观评价方法 | 第25-27页 |
| 2.6 本章小结 | 第27-30页 |
| 第3章 图像恢复的自适应中值滤波与R-L算法 | 第30-44页 |
| 3.1 图像恢复的自适应中值滤波与R-L算法 | 第30-33页 |
| 3.1.1 R-L算法原理 | 第30-31页 |
| 3.1.2 自适应中值滤波算法原理 | 第31页 |
| 3.1.3 自适应中值滤波与R-L算法流程图 | 第31-33页 |
| 3.2 自适应中值滤波与R-L相结合算法的图像恢复 | 第33-38页 |
| 3.2.1 图像恢复效果的主观视觉评价 | 第33-36页 |
| 3.2.2 图像恢复效果的客观评价 | 第36-37页 |
| 3.2.3 算法运行时间 | 第37-38页 |
| 3.3 其它算法的比较 | 第38-41页 |
| 3.3.1 图像恢复效果的主观视觉评价 | 第38-41页 |
| 3.3.2 图像恢复效果的客观评价及时间 | 第41页 |
| 3.4 本章小结 | 第41-44页 |
| 第4章 图像恢复的经验模态分解与R-L算法 | 第44-58页 |
| 4.1 图像恢复经验模态分解与R-L算法 | 第44-49页 |
| 4.1.1 经验模态分解原理 | 第44页 |
| 4.1.2 二维经验模态分解 | 第44-45页 |
| 4.1.3 BEMD分解流程图 | 第45-47页 |
| 4.1.4 经验模态分解与R-L算法流程图 | 第47-49页 |
| 4.2 基于经验模态分解与R-L算法的图像恢复 | 第49-53页 |
| 4.2.1 算法恢复效果的主观视觉评价 | 第49-51页 |
| 4.2.2 图像恢复效果的客观评价 | 第51-52页 |
| 4.2.3 算法运行时间 | 第52-53页 |
| 4.3 其它算法的比较 | 第53-55页 |
| 4.3.1 算法恢复效果的主观视觉评价 | 第53-54页 |
| 4.3.2 图像恢复效果的客观评价 | 第54-55页 |
| 4.4 本章小结 | 第55-58页 |
| 第5章 总结与展望 | 第58-60页 |
| 5.1 本文的主要工作总结 | 第58-59页 |
| 5.2 未来工作的展望 | 第59-60页 |
| 参考文献 | 第60-66页 |
| 致谢 | 第66-68页 |
| 攻读学位期间研究成果 | 第68页 |