| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-15页 |
| ·论文的研究背景与研究目的 | 第9-10页 |
| ·图像复原问题的国内外研究现状 | 第10-13页 |
| ·本论文的主要研究工作 | 第13-14页 |
| ·全文的结构安排 | 第14-15页 |
| 第二章 图像复原基础知识 | 第15-22页 |
| ·数字图像的定义和表示方法 | 第15-16页 |
| ·图像退化原因 | 第16页 |
| ·图像退化/复原过程 | 第16-20页 |
| ·图像退化/复原模型 | 第16-17页 |
| ·常见点扩展函数类型 | 第17-18页 |
| ·常见噪声模型 | 第18-20页 |
| ·图像复原质量评估准则 | 第20-22页 |
| 第三章 保持纹理的NL-means 算法介绍及其改进算法设计 | 第22-37页 |
| ·NL-means 算法产生的背景 | 第22-25页 |
| ·NL-means 滤波算法 | 第25-27页 |
| ·NL-means 算法介绍 | 第25-26页 |
| ·关于NL-means 的几个问题 | 第26-27页 |
| ·改进的NL-means 算法 | 第27-29页 |
| ·改进算法的理论基础 | 第27-28页 |
| ·改进算法的设计 | 第28-29页 |
| ·实验结果与分析 | 第29-35页 |
| ·对比实验 | 第29-34页 |
| ·实验参数设置 | 第34-35页 |
| ·本章小结 | 第35-37页 |
| 第四章 一种保持纹理的反降晰算法 | 第37-53页 |
| ·保持纹理的图像反降晰算法 | 第37-40页 |
| ·TPID 算法的提出 | 第37页 |
| ·TPID 算法设计 | 第37-40页 |
| ·基于GPU 的TPID 算法并行加速 | 第40-42页 |
| ·加速策略的提出 | 第40页 |
| ·基于GPU 的CUDA 编程模型简介 | 第40-41页 |
| ·基于GPU 的TPID 加速算法设计 | 第41-42页 |
| ·实验结果与分析 | 第42-52页 |
| ·对比实验 | 第42-51页 |
| ·参数设置 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 第五章 总结 | 第53-57页 |
| ·本文工作总结 | 第53-54页 |
| ·本文不足与后续研究方向 | 第54-57页 |
| ·本文的不足 | 第54-55页 |
| ·本文的后续研究方向 | 第55-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 附录 | 第61-66页 |
| 攻硕期间取得的研究成果 | 第66-67页 |