| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 本研究的背景和意义 | 第9-10页 |
| 1.2 本研究的国内外现状 | 第10-12页 |
| 1.3 本文研究内容及结构组成 | 第12-15页 |
| 第二章 图像去模糊理论 | 第15-31页 |
| 2.1 引言 | 第15页 |
| 2.2 图像模糊模型 | 第15-16页 |
| 2.2.1 图像模糊表述 | 第15-16页 |
| 2.2.2 图像去模糊模型 | 第16页 |
| 2.3 图像去模糊类型 | 第16-18页 |
| 2.3.1 非盲图像去模糊 | 第16-17页 |
| 2.3.2 盲图像去模糊 | 第17-18页 |
| 2.4 模糊核相关模型 | 第18-20页 |
| 2.4.1 模糊核 | 第18-19页 |
| 2.4.2 常用模糊函数 | 第19-20页 |
| 2.5 文本图像 | 第20-22页 |
| 2.5.1 文本图像概述 | 第20-21页 |
| 2.5.2 模糊文本图像 | 第21-22页 |
| 2.6 去模糊的病态问题 | 第22-23页 |
| 2.7 文本图像去模糊方法 | 第23-27页 |
| 2.7.1 图像表示方法 | 第23-25页 |
| 2.7.2 文本属性的文本图像去模糊 | 第25-26页 |
| 2.7.3 文本属性字典的文本图像去模糊 | 第26-27页 |
| 2.8 去模糊的质量评价 | 第27-28页 |
| 2.9 本章小结 | 第28-31页 |
| 第三章 正则化和梯度先验 | 第31-45页 |
| 3.1 范数正则化方法 | 第31-34页 |
| 3.1.1 正则化模型和范数 | 第31-32页 |
| 3.1.2 范数正则化 | 第32-34页 |
| 3.2 梯度及其图像应用 | 第34-36页 |
| 3.2.1 梯度 | 第34页 |
| 3.2.2 梯度在图像中的应用 | 第34-36页 |
| 3.3 文本图像的L_0正则化和梯度先验 | 第36-38页 |
| 3.4 L_0最小化问题 | 第38-39页 |
| 3.5 经典L_0最小化方法 | 第39-43页 |
| 3.5.1 加权L_0近似法 | 第39-40页 |
| 3.5.2 平滑近似法 | 第40-42页 |
| 3.5.3 正交匹配追踪法 | 第42-43页 |
| 3.6 本章小结 | 第43-45页 |
| 第四章 L_0正则化与半二次分裂的文本图像去模糊 | 第45-61页 |
| 4.1 半二次分裂 | 第45-47页 |
| 4.1.1 快速傅氏变换 | 第45-46页 |
| 4.1.2 改进的半二次分裂 | 第46-47页 |
| 4.2 基于L_0正则化的文本图像去模糊模型 | 第47页 |
| 4.3 基于改进半二次分裂及L_0稀疏的文本图像去模糊 | 第47-50页 |
| 4.4 实验结果 | 第50-60页 |
| 4.4.1 L_0最小化方法实验 | 第50-52页 |
| 4.4.2 本文使用方法实验 | 第52-57页 |
| 4.4.3 现实生活图像实验 | 第57-60页 |
| 4.5 本章小结 | 第60-61页 |
| 第五章 总结与展望 | 第61-63页 |
| 5.1 总结 | 第61页 |
| 5.2 展望 | 第61-63页 |
| 致谢 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 附录A 攻读硕士学位期间发表的论文以及软件著作权 | 第69页 |