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

面向盲反卷积的模糊核估计与图像复原方法研究

摘要第4-6页
ABSTRACT第6-8页
第1章 绪论第15-28页
    1.1 课题研究背景及意义第15-19页
        1.1.1 研究背景第15-18页
        1.1.2 研究意义第18页
        1.1.3 课题来源第18-19页
    1.2 国内外研究现状第19-26页
        1.2.1 图像去模糊问题第19-21页
        1.2.2 图像去模糊模型第21-22页
        1.2.3 非均匀去模糊方法第22-24页
        1.2.4 均匀去模糊方法第24-26页
    1.3 主要研究内容第26-28页
第2章 快速梯度域非盲复原方法第28-51页
    2.1 引言第28-30页
    2.2 预备知识第30-34页
        2.2.1 离散TV算子第30-31页
        2.2.2 优化近邻算子第31页
        2.2.3 左逆算子:从梯度到图像第31-32页
        2.2.4 交替方向乘子优化方法第32-34页
        2.2.5 定量评价指标第34页
    2.3 梯度域图像复原模型第34-36页
        2.3.1 梯度域建模第34-35页
        2.3.2 模型验证第35-36页
    2.4 基于ADMM的快速求解算法第36-42页
        2.4.1 传统ADMM算法第36-39页
        2.4.2 混合ADMM算法第39-41页
        2.4.3 收敛性及复杂度分析第41-42页
    2.5 实验结果第42-47页
        2.5.1 与TVIS对比第42-47页
        2.5.2 与图像域去模糊方法对比第47页
    2.6 本章小结第47-51页
第3章 基于迭代自适应先验的盲反卷积方法第51-74页
    3.1 引言第51-55页
    3.2 盲反卷积模型第55-58页
        3.2.1 梯度域盲反卷积模型第55-57页
        3.2.2 扩展GST算子第57-58页
    3.3 基于迭代自适应先验的去卷积方法第58-60页
        3.3.1 更新清晰图第58-59页
        3.3.2 更新模糊核第59-60页
    3.4 学习迭代自适应先验第60-64页
        3.4.1 学习算法第62-63页
        3.4.2 说明与讨论第63-64页
    3.5 实验结果第64-72页
        3.5.1 训练迭代自适应先验参数第65-70页
        3.5.2 仿真数据集上的评价第70-71页
        3.5.3 真实模糊图像的复原第71-72页
    3.6 本章小结第72-74页
第4章 基于部分反卷积模型的图像去模糊方法第74-95页
    4.1 引言第74-77页
    4.2 部分反卷积模型第77-78页
    4.3 部分反卷积模型算法第78-83页
        4.3.1 估计指示矩阵第79-80页
        4.3.2 更新清晰图第80页
        4.3.3 加入频谱零点第80-81页
        4.3.4 估计参考频谱第81-83页
        4.3.5 讨论第83页
    4.4 部分反卷积的应用第83-86页
        4.4.1 基于小波的复原模型第84-85页
        4.4.2 基于判别学习的复原模型第85-86页
        4.4.3 实现说明第86页
    4.5 实验结果第86-94页
        4.5.1 验证局部反卷积模型第86-91页
        4.5.2 标准测试数据集上对比第91-93页
        4.5.3 真实模糊图像复原第93-94页
    4.6 本章小结第94-95页
第5章 基于联合学习模型的图像复原方法第95-116页
    5.1 引言第95-98页
    5.2 信度项与正则项联合建模第98-101页
        5.2.1 信度项建模第98-99页
        5.2.2 联合建模第99-100页
        5.2.3 SFARL扩展应用第100-101页
        5.2.4 讨论第101页
    5.3 联合学习模型的训练第101-107页
        5.3.1 模型参数化第102-103页
        5.3.2 贪心训练第103-107页
        5.3.3 端到端训练第107页
    5.4 实验结果第107-114页
        5.4.1 稳健图像去模糊第108-110页
        5.4.2 高斯去噪第110-112页
        5.4.3 图像去雨第112-114页
    5.5 本章小结第114-116页
结论第116-118页
参考文献第118-132页
攻读博士学位期间发表的论文及其他成果第132-134页
致谢第134-135页
个人简历第135页

论文共135页,点击 下载论文
上一篇:上肢外骨骼机器人康复训练系统研究
下一篇:基于耦合模理论的全介质高品质因数谐振结构的研究