| 摘要 | 第1-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第11-16页 |
| ·课题研究的背景及意义 | 第11-12页 |
| ·课题研究现状 | 第12-14页 |
| ·超分辨率分析研究现状 | 第12-13页 |
| ·点扩散函数估计的研究现状 | 第13-14页 |
| ·本文的主要工作和创新 | 第14页 |
| ·本文的章节安排 | 第14-16页 |
| 第二章 图像恢复与图像超分辨率原理 | 第16-24页 |
| ·引言 | 第16页 |
| ·图像降质模型 | 第16-17页 |
| ·点扩散函数形成原因 | 第17-19页 |
| ·图像恢复 | 第19-20页 |
| ·图像超分辨率原理与方法 | 第20-23页 |
| ·图像超分辨率原理 | 第20-22页 |
| ·图像超分辨率方法 | 第22-23页 |
| ·小结 | 第23-24页 |
| 第三章 图像像质评价测度 | 第24-31页 |
| ·引言 | 第24页 |
| ·有标准参考图像情况下的测度 | 第24-25页 |
| ·无标准参考图像情况下的测度 | 第25-27页 |
| ·像质评价测度性能对比实验 | 第27-30页 |
| ·有标准参考图像情况下的测度比较 | 第27-28页 |
| ·无标准参考图像情况下的测度比较 | 第28-30页 |
| ·小结 | 第30-31页 |
| 第四章 基于变分 Bayes 估计的点扩散函数自动估计 | 第31-58页 |
| ·引言 | 第31页 |
| ·变分 Bayes 估计法 | 第31-36页 |
| ·估计点扩散函数 | 第32-35页 |
| ·图像重建 | 第35-36页 |
| ·点扩散函数估计区域的自动选取 | 第36-41页 |
| ·最大熵选取算法 | 第36-37页 |
| ·基于图像细节及细节方向的区域选取算法（IDOS 方法） | 第37-41页 |
| ·点扩散函数最大尺寸的自动确定 | 第41-44页 |
| ·基于图像清晰度的确定方法 | 第41-42页 |
| ·缩小搜索范围 | 第42-44页 |
| ·实验结果 | 第44-57页 |
| ·自动选取点扩散函数估算区域去模糊效果 | 第44-53页 |
| ·自动确定点扩散函数最大尺寸的图像恢复效果 | 第53-57页 |
| ·小结 | 第57-58页 |
| 第五章 点扩散函数的自动估计在图像超分辨率中的应用 | 第58-68页 |
| ·引言 | 第58页 |
| ·基于神经网络的两步超分辨率法 | 第58-62页 |
| ·亚像素序列配准 | 第58-59页 |
| ·散点插值 | 第59-62页 |
| ·高分辨率图像滤波恢复 | 第62页 |
| ·图像超分辨率中的点扩散函数估计 | 第62-63页 |
| ·实验结果与分析 | 第63-67页 |
| ·小结 | 第67-68页 |
| 第六章 总结与展望 | 第68-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 作者在学期间取得的学术成果 | 第75页 |
