| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 课题的研究背景及意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.3 本文的主要研究内容与章节安排 | 第13-14页 |
| 第2章 图像复原基础知识 | 第14-25页 |
| 2.1 引言 | 第14页 |
| 2.2 图像退化模型及常见模糊核 | 第14-17页 |
| 2.2.1 图像退化模型 | 第14-15页 |
| 2.2.2 不同类型模糊图像及模糊核 | 第15-17页 |
| 2.3 常见的图像复原方法 | 第17-21页 |
| 2.3.1 直接逆滤波法 | 第17页 |
| 2.3.2 维纳滤波法 | 第17-18页 |
| 2.3.3 基于TV模型的图像复原算法 | 第18-20页 |
| 2.3.4 迭代盲解卷积算法 | 第20-21页 |
| 2.4 图像质量评价标准 | 第21-24页 |
| 2.4.1 全参考图像评价标准 | 第22-23页 |
| 2.4.2 无参考图像评价标准 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第3章 基于改进差分进化优化的BP神经网络图像复原算法 | 第25-40页 |
| 3.1 图像预处理 | 第25-26页 |
| 3.1.1 像素点归一化 | 第25页 |
| 3.1.2 图像采样 | 第25-26页 |
| 3.2 BP神经网络 | 第26-28页 |
| 3.2.1 BP神经网络结构 | 第26-27页 |
| 3.2.2 神经网络参数的确定 | 第27-28页 |
| 3.3 差分进化算法 | 第28-32页 |
| 3.3.1 基本差分进化算法 | 第28-31页 |
| 3.3.2 随机缩放差分进化算法 | 第31-32页 |
| 3.4 RSDE-BP图像复原算法 | 第32-34页 |
| 3.5 实验结果与分析 | 第34-39页 |
| 3.5.1 参数设置及学习训练 | 第34-36页 |
| 3.5.2 图像复原 | 第36-39页 |
| 3.6 本章小结 | 第39-40页 |
| 第4章 基于RSDE-LM优化的BP神经网络图像复原算法 | 第40-61页 |
| 4.1 滑动窗口的改进 | 第40-43页 |
| 4.1.1 滑动窗口的类型 | 第40-41页 |
| 4.1.2 滑动窗口结构的改进 | 第41-43页 |
| 4.2 混合算法RSDE-LM | 第43-45页 |
| 4.2.1 RSDE-LM算法流程 | 第43-44页 |
| 4.2.2 列文伯格-马夸尔算法(LM算法) | 第44-45页 |
| 4.3 混合算法RSDE-LM优化BP神经网络 | 第45-46页 |
| 4.4 实验结果与分析 | 第46-60页 |
| 4.4.1 网络训练及滑动窗口的选取 | 第46-50页 |
| 4.4.2 噪声模糊图像复原 | 第50-55页 |
| 4.4.3 运动模糊图像复原 | 第55-58页 |
| 4.4.4 散焦模糊图像复原 | 第58-60页 |
| 4.5 本章小结 | 第60-61页 |
| 第5章 总结与展望 | 第61-63页 |
| 5.1 总结 | 第61-62页 |
| 5.2 展望 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 致谢 | 第68-69页 |
| 攻读硕士学位期间的研究成果 | 第69页 |