| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 目录 | 第6-8页 |
| 第1章 绪论 | 第8-12页 |
| 1.1 论文研究的背景和意义 | 第8-9页 |
| 1.2 国内外研究状况 | 第9-10页 |
| 1.3 主要内容 | 第10-12页 |
| 第2章 Bussgang 与图像盲复原理论研究 | 第12-28页 |
| 2.1 引言 | 第12页 |
| 2.2 图像盲复原 | 第12页 |
| 2.3 退化模型 | 第12-17页 |
| 2.3.1 不适定条件 | 第14-15页 |
| 2.3.2 正则化技术 | 第15-16页 |
| 2.3.3 图像复原的评价方法 | 第16-17页 |
| 2.4 盲反卷积和盲均衡 | 第17-24页 |
| 2.4.1 自适应滤波器 | 第18页 |
| 2.4.2 Bussgang 盲均衡技术 | 第18-20页 |
| 2.4.3 基于 EM 算法的高斯混合模型参数估计 | 第20-24页 |
| 2.5 逆合成孔径雷达 ISAR 图像自聚焦 | 第24-25页 |
| 2.6 不同类型的点扩展函数 PSF | 第25-27页 |
| 2.6.1 数据通信的点扩展函数 | 第25-26页 |
| 2.6.2 光学图像的点扩展函数 | 第26-27页 |
| 2.6.3 ISAR 自聚焦的点扩展函数 | 第27页 |
| 2.7 本章小结 | 第27-28页 |
| 第3章 自校正多通道(SCMB)盲反卷积 | 第28-40页 |
| 3.1 引言 | 第28页 |
| 3.2 自校正多通道(SCMB)盲反卷积算法框图 | 第28-29页 |
| 3.3 Bussgang 盲反卷积放宽 IID 要求 | 第29-30页 |
| 3.4 Bussgang 盲反卷积处理未知的 PDF 结果仿真 | 第30-32页 |
| 3.5 Bussgang 算法反馈机制的设计 | 第32页 |
| 3.6 PDF 的高斯混合模型和使用 EM 算法参数估计 | 第32-33页 |
| 3.7 多通道的全局收敛性 | 第33页 |
| 3.8 SCMB 算法中的 Bussgang 非线性函数 | 第33-34页 |
| 3.8.1 二次代价函数的贝叶斯估计 | 第33-34页 |
| 3.8.2 PDF 的方式表示非线性函数 | 第34页 |
| 3.9 均衡滤波器更新算法 | 第34-39页 |
| 3.9.1 估计的反卷积噪声 | 第34-35页 |
| 3.9.2 多通道维纳滤波器 | 第35-36页 |
| 3.9.3 利用 FFT 的高效多通道维纳滤波器的算法 | 第36-39页 |
| 3.10 本章小结 | 第39-40页 |
| 第4章 基于 SCMB 盲反卷积的二值图像复原 | 第40-55页 |
| 4.1 引言 | 第40页 |
| 4.2 二值图像中 SCMB 盲反卷积的反馈机制的设计 | 第40-43页 |
| 4.3 高斯混合模型和期望最大化（EM）算法参数估计 | 第43-45页 |
| 4.4 二值图像的 SCMB 中的非线性函数 | 第45页 |
| 4.5 仿真结果 | 第45-54页 |
| 4.5.1 二值图像的 PSF 仿真 | 第45-47页 |
| 4.5.2 基于 SCMB 盲反卷积算法的二值图像仿真 | 第47-51页 |
| 4.5.3 基于迭代盲反卷积(IBD)算法的二值图像仿真 | 第51-54页 |
| 4.5.4 对比仿真结果分析 | 第54页 |
| 4.6 本章小结 | 第54-55页 |
| 第5章 基于 SCMB 盲反卷积的 ISAR 图像自聚焦 | 第55-65页 |
| 5.1 引言 | 第55页 |
| 5.2 高斯混合模型和期望最大化（EM）算法参数估计 | 第55-56页 |
| 5.3 ISAR 图像的 SCMB 中的非线性函数 | 第56-60页 |
| 5.4 ISAR 图像中 SCMB 盲反卷积反馈机制的设计 | 第60-62页 |
| 5.5 仿真结果 | 第62-64页 |
| 5.6 本章小结 | 第64-65页 |
| 结论 | 第65-66页 |
| 参考文献 | 第66-71页 |
| 致谢 | 第71页 |
