| 中文摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 引言 | 第10页 |
| 1.2 研究背景与意义 | 第10-12页 |
| 1.3 本文内容与贡献 | 第12-14页 |
| 1.4 本文组织结构 | 第14-18页 |
| 第2章 图像及视频去模糊算法概述 | 第18-32页 |
| 2.1 图像去模糊算法 | 第18-25页 |
| 2.1.1 自然图像去模糊 | 第19-23页 |
| 2.1.2 文字图像去模糊 | 第23-25页 |
| 2.2 视频去模糊 | 第25-29页 |
| 2.2.1 基于示例替换的视频去模糊方法 | 第25-26页 |
| 2.2.2 基于均匀模糊核的视频去模糊方法 | 第26-28页 |
| 2.2.3 基于分割的视频去模糊方法 | 第28页 |
| 2.2.4 基于像素级模糊核的视频去模糊方法 | 第28-29页 |
| 2.3 结论 | 第29-32页 |
| 第3章 基于文字特有多尺度字典的场景文字图片去模糊 | 第32-50页 |
| 3.1 引言 | 第32页 |
| 3.2 算法概述 | 第32-40页 |
| 3.2.1 文字特有字典和自然场景字典学习 | 第33-36页 |
| 3.2.2 基于文字特有多尺度字典的先验知识 | 第36-37页 |
| 3.2.3 基于文字字典的场景文字图片去模糊模型 | 第37-38页 |
| 3.2.4 优化过程 | 第38-40页 |
| 3.3 实验与评估 | 第40-48页 |
| 3.3.1 文本检测在去模糊中的作用 | 第40-42页 |
| 3.3.2 多尺度字典在去模糊中的作用 | 第42-43页 |
| 3.3.3 合成图片比较 | 第43-44页 |
| 3.3.4 真实图片比较 | 第44-47页 |
| 3.3.5 本章缺点及未来展望 | 第47-48页 |
| 3.4 结论 | 第48-50页 |
| 第4章 基于低秩先验的自然图像去模糊 | 第50-70页 |
| 4.1 引言 | 第50-51页 |
| 4.2 算法概述 | 第51-58页 |
| 4.2.1 基于低秩结构的图像先验知识 | 第52-54页 |
| 4.2.2 基于低秩先验知识的图像去模糊目标方程 | 第54-55页 |
| 4.2.3 优化过程 | 第55-57页 |
| 4.2.4 基于低秩先验的非均匀图像去模糊 | 第57-58页 |
| 4.3 实验与评估 | 第58-68页 |
| 4.3.1 低秩先验的作用 | 第58-60页 |
| 4.3.2 合成图片对比 | 第60-65页 |
| 4.3.3 真实图片比较 | 第65-66页 |
| 4.3.4 非均匀去模糊比较 | 第66-67页 |
| 4.3.5 本章缺点及未来展望 | 第67-68页 |
| 4.4 结论 | 第68-70页 |
| 第5章 基于语义分割与像素级非线性模糊核的视频去模糊算法 | 第70-92页 |
| 5.1 引言 | 第70-71页 |
| 5.2 算法概述 | 第71-76页 |
| 5.2.1 利用光流估计模糊核 | 第71-72页 |
| 5.2.2 视频去模糊算法 | 第72-74页 |
| 5.2.3 优化过程 | 第74-76页 |
| 5.3 实验与评估 | 第76-90页 |
| 5.3.1 参数设置 | 第76-77页 |
| 5.3.2 像素级非线性模糊核在视频去模糊中的作用 | 第77-78页 |
| 5.3.3 语义分割在在视频去模糊中的作用 | 第78-82页 |
| 5.3.4 语义分割方法[101]的鲁棒性 | 第82-83页 |
| 5.3.5 真实视频去模糊比较 | 第83-90页 |
| 5.3.6 本章缺点及未来展望 | 第90页 |
| 5.4 结论 | 第90-92页 |
| 第6章 总结与展望 | 第92-96页 |
| 6.1 总结 | 第92-93页 |
| 6.2 展望 | 第93-96页 |
| 参考文献 | 第96-102页 |
| 发表论文和参加科研情况说明 | 第102-104页 |
| 致谢 | 第104-105页 |
