| 摘要 | 第3-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第15-22页 |
| 1.1 研究背景和意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-20页 |
| 1.2.1 非深度学习方法的图像模糊去除 | 第17-18页 |
| 1.2.2 深度学习方法的图像模糊去除 | 第18-19页 |
| 1.2.3 当前方法的关键技术与难点 | 第19-20页 |
| 1.3 本文主要研究工作 | 第20-21页 |
| 1.4 论文组织结构 | 第21-22页 |
| 第二章 基于CNN的图像模糊去除基本原理 | 第22-35页 |
| 2.1 图像模糊去除相关理论知识 | 第22-27页 |
| 2.1.1 模糊类型 | 第22-24页 |
| 2.1.2 图像退化模型 | 第24-25页 |
| 2.1.3 图像模糊去除模型 | 第25-27页 |
| 2.2 CNN基本原理 | 第27-31页 |
| 2.2.1 卷积层 | 第28-29页 |
| 2.2.2 采样层 | 第29-30页 |
| 2.2.3 激活函数 | 第30-31页 |
| 2.3 面向图像模糊去除的CNN模型 | 第31-34页 |
| 2.3.1 浅层模型与深度模型 | 第31-33页 |
| 2.3.2 训练CNN模型相关知识 | 第33-34页 |
| 2.4 本章小结 | 第34-35页 |
| 第三章 基于FCNN的图像模糊去除 | 第35-55页 |
| 3.1 FCNN结构 | 第35-36页 |
| 3.2 时间复杂度对比 | 第36-37页 |
| 3.3 基于FCNN的图像模糊去除 | 第37-41页 |
| 3.3.1 图像预处理 | 第38-40页 |
| 3.3.2 高频信息保持的FCNN图像模糊去除 | 第40-41页 |
| 3.4 实验 | 第41-53页 |
| 3.4.1 定性结果分析 | 第43-47页 |
| 3.4.2 定量结果分析 | 第47-53页 |
| 3.4.3 实验结论 | 第53页 |
| 3.5 本章小结 | 第53-55页 |
| 第四章 基于β-FCNN的图像模糊去除 | 第55-70页 |
| 4.1 β-FCNN结构 | 第55-56页 |
| 4.2 基于β-FCNN的图像模糊去除 | 第56-61页 |
| 4.2.1 最小二乘方滤波预处理 | 第57-60页 |
| 4.2.2 较强自适应性的β-FCNN图像模糊去除 | 第60-61页 |
| 4.3 实验 | 第61-69页 |
| 4.3.1 定性结果分析 | 第62-66页 |
| 4.3.2 定量结果分析 | 第66-69页 |
| 4.3.3 实验结论 | 第69页 |
| 4.4 本章小结 | 第69-70页 |
| 第五章 总结与展望 | 第70-72页 |
| 5.1 全文总结 | 第70-71页 |
| 5.2 展望 | 第71-72页 |
| 参考文献 | 第72-78页 |
| 致谢 | 第78-79页 |
| 攻读硕士学位期间的科研成果 | 第79页 |