| 摘要 | 第4-5页 |
| 英文摘要 | 第5页 |
| 1 绪论 | 第8-13页 |
| 1.1 课题背景和研究意义 | 第8-9页 |
| 1.2 研究现状 | 第9-11页 |
| 1.3 论文的主要贡献 | 第11-12页 |
| 1.4 论文的主要内容及组织结构 | 第12-13页 |
| 2 相关的理论基础 | 第13-26页 |
| 2.1 图像的模糊退化模型的建立 | 第13页 |
| 2.2 图像模糊的来源及噪声的基本类型 | 第13-16页 |
| 2.2.1 图像模糊的来源 | 第13-15页 |
| 2.2.2 噪声的基本类型 | 第15-16页 |
| 2.3 图像的先验知识 | 第16-19页 |
| 2.3.1 自然图像的先验知识 | 第16-17页 |
| 2.3.2 模糊核的先验知识 | 第17-19页 |
| 2.4 基于最大后验估计的去模糊的概率模型 | 第19-25页 |
| 2.4.1 概率论中贝叶斯公式的介绍 | 第19-20页 |
| 2.4.2 贝叶斯框架下的变分模型 | 第20-21页 |
| 2.4.3 相似项的选取 | 第21-22页 |
| 2.4.4 图像先验项的选取 | 第22-24页 |
| 2.4.5 模糊核先验项的选取 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 3 经典的去运动模糊算法 | 第26-40页 |
| 3.1 图像的非盲去运动模糊方法 | 第26-34页 |
| 3.1.1 基于逆滤波的图像复原 | 第26-27页 |
| 3.1.2 基于维纳滤波的图像复原 | 第27-31页 |
| 3.1.3 基于Lucy-Richardson的图像复原 | 第31-32页 |
| 3.1.4 基于正则化方法的反卷积 | 第32-34页 |
| 3.2 图像的盲去运动模糊方法 | 第34-38页 |
| 3.2.1 基于零均值混合高斯分布的盲复原方法 | 第34-36页 |
| 3.2.2 基于单幅图像的高质量的去运动模糊 | 第36-37页 |
| 3.2.3 基于两阶段核估计的图像去运动模糊 | 第37-38页 |
| 3.3 本章小结 | 第38-40页 |
| 4 基于LWTV和连续核的图像去模糊方法 | 第40-52页 |
| 4.1 基于LWTV的正则化方法 | 第40-44页 |
| 4.2 图像盲去模糊的流程 | 第44-45页 |
| 4.3 基于去除孤立连通区间和LWTV的模糊核估计 | 第45-49页 |
| 4.3.1 显著性结构的提取 | 第45-46页 |
| 4.3.2 模糊核估计 | 第46-47页 |
| 4.3.3 基于LWTV的临时清晰图像反卷积 | 第47-49页 |
| 4.4 完整的去模糊算法 | 第49-50页 |
| 4.5 本章小结 | 第50-52页 |
| 5 数值实验与分析 | 第52-59页 |
| 5.1 实验说明 | 第52页 |
| 5.2 合成数据实验结果比较 | 第52-55页 |
| 5.2.1 非盲去卷积 | 第52-54页 |
| 5.2.2 盲去卷积 | 第54-55页 |
| 5.3 真实数据实验结果比较 | 第55-58页 |
| 5.4 更多的实验结果 | 第58-59页 |
| 结论 | 第59-61页 |
| 参考文献 | 第61-64页 |
| 攻读硕士学位期间发表学术论文情况 | 第64-65页 |
| 致谢 | 第65-66页 |