首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

一类散焦图像快速复原方法及其应用研究

提要第5-6页
摘要第6-9页
Abstract第9-11页
第1章 绪论第16-24页
    1.1 图像复原研究的背景和意义第16-17页
    1.2 图像退化与图像复原第17-20页
        1.2.1 图像退化模型第17-18页
        1.2.2 点扩散函数模型第18-19页
        1.2.3 图像复原方法大致分类第19-20页
    1.3 论文主要内容第20-21页
    1.4 论文的创新点第21-22页
    1.5 本章小结第22-24页
第2章 卷积与傅立叶变换第24-36页
    2.1 卷积第24-27页
        2.1.1 卷积的定义和性质第24-25页
        2.1.2 一维离散卷积第25-26页
        2.1.3 二维离散卷积第26-27页
    2.2 傅立叶变换第27-30页
        2.2.1 傅立叶变换的定义第27-29页
        2.2.2 一维离散傅立叶变换第29页
        2.2.3 二维离散傅立叶变换第29-30页
    2.3 用于反卷积的离散模型第30-35页
        2.3.1 循环矩阵反卷积模型第30-32页
        2.3.2 非周期矩阵反卷积模型第32-35页
    2.4 本章小结第35-36页
第3章 图像复原方法概述第36-64页
    3.1 逆滤波方法第37-39页
        3.1.1 逆滤波原理第37页
        3.1.2 维纳滤波方法第37-38页
        3.1.3 几何均值滤波第38-39页
    3.2 约束最小二乘方法第39-41页
    3.3 限制自适应复原方法第41-43页
    3.4 最大熵方法第43-46页
        3.4.1 Frieden 的最大熵方法第43-44页
        3.4.2 Zhuang 等人的最大熵方法第44-46页
    3.5 图像复原的统计方法第46-50页
        3.5.1 高斯随机场模型与复原算法第47-48页
        3.5.2 泊松随机场模型和复原算法第48-50页
        3.5.3 统计复原方法的发展第50页
    3.6 正则化复原方法第50-55页
        3.6.1 Tikhonov 正则化方法第51页
        3.6.2 半二次正则化方法第51-52页
        3.6.3 H~1 半模正则化方法第52页
        3.6.4 全变分最小化方法第52-55页
    3.7 多尺度分析图像复原方法第55-56页
    3.8 图像盲目复原方法第56-62页
        3.8.1 空间域迭代盲目复原方法第56-58页
        3.8.2 增量迭代盲目复原方法第58-59页
        3.8.3 频域迭代盲目复原方法第59-61页
        3.8.4 图像盲目复原的正则化方法第61-62页
    3.9 本章小结第62-64页
第4章 点扩散函数的估计和计算方法第64-74页
    4.1 圆盘散焦PSF 的计算方法第64-69页
    4.2 误差—参数分析方法第69-70页
    4.3 基于图像退化程度评价的 PSF 估计方法第70-73页
    4.4 本章小结第73-74页
第5章 正多边形散焦图像快速复原方法研究第74-94页
    5.1 固定光圈光学系统与可变光圈光学系统第74-76页
    5.2 散焦降晰正多边形PSF 模型第76-77页
    5.3 正六边形散焦PSF 频域零点分布定理第77-84页
        5.3.1 正六边形散焦PSF 的傅立叶变换第77-81页
        5.3.2 H_0 (u ,v ) 的零点定理第81-84页
    5.4 正六边形光圈散焦图像快速复原方法与图像复原实验第84-88页
    5.5 其它正多边形散焦 PSF 频域零点分布及复原方法的讨论第88-93页
    5.6 本章小结第93-94页
第6章 散焦虹膜图像的实时性复原与相关图像第94-106页
    6.1 虹膜识别与图像复原第94-96页
        6.1.1 虹膜识别的应用和意义第94页
        6.1.2 虹膜图像复原的特殊性第94-96页
    6.2 一类散焦虹膜图像的实时性复原方法第96-98页
    6.3 面部生物特征信息采集与识别系统第98-103页
        6.3.1 面部多模态生物特征识别第99-100页
        6.3.2 系统简介第100-101页
        6.3.3 系统的组成及采集流程第101-103页
        6.3.4 系统的先进性第103页
    6.4 本章小结第103-106页
第7章 总结与展望第106-110页
    7.1 本文工作总结第106-108页
    7.2 进一步研究的设想与展望第108-110页
参考文献第110-120页
作者简介及在学期间所取得的科研成果第120-122页
致谢第122页

论文共122页,点击 下载论文
上一篇:中药苦芪缓释片研究
下一篇:β-二酮钴的配合物抗胶质瘤细胞作用的实验研究及机制探讨