| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第8-23页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 运动视频图像去模糊算法简介及研究现状 | 第9-20页 |
| 1.2.1 视频图像的退化模型及复原流程 | 第9-12页 |
| 1.2.2 运动视频图像去模糊算法研究现状 | 第12-20页 |
| 1.2.2.1 视频图像的非盲运动去模糊 | 第12-15页 |
| 1.2.2.2 视频图像的盲运动去模糊 | 第15-19页 |
| 1.2.2.3 基于视频的运动去模糊算法 | 第19-20页 |
| 1.2.3 运动视频图像去模糊算法目前的难点以及存在的问题 | 第20页 |
| 1.3 本文的研究内容 | 第20-21页 |
| 1.4 本文的组织结构 | 第21页 |
| 1.5 本章小结 | 第21-23页 |
| 第二章 运动视频去模糊系统概述 | 第23-28页 |
| 2.1 运动视频去模糊系统的基本原理 | 第23-24页 |
| 2.2 运动视频去模糊系统的实现框架 | 第24-27页 |
| 2.2.1 前期预处理模块 | 第25-26页 |
| 2.2.2 相对运动估计模块 | 第26-27页 |
| 2.2.3 运动视频去模糊算法模块 | 第27页 |
| 2.3 本章小结 | 第27-28页 |
| 第三章 运动估计相关算法概述 | 第28-40页 |
| 3.1 视频图像的几何变换模型 | 第28-33页 |
| 3.2 常见的运动估计匹配算法 | 第33-39页 |
| 3.2.1 块匹配算法(Block Matching Algorithm) | 第33-35页 |
| 3.2.2 比特平面匹配算法(Bit-plane Matching Algorithm) | 第35-37页 |
| 3.2.3 灰度投影算法(Gray Projection Algorithm) | 第37-38页 |
| 3.2.4 特征点匹配算法(Feature Matching Algorithm) | 第38-39页 |
| 3.3 本章小结 | 第39-40页 |
| 第四章 基于灰度分布特征与插值计算的运动视频去模糊算法 | 第40-56页 |
| 4.1 运动视频去模糊算法概述 | 第40-42页 |
| 4.2 相似变换模型 | 第42-44页 |
| 4.3 Harris角点检测算法 | 第44-45页 |
| 4.4 基于灰度分布的特征描述方法 | 第45-48页 |
| 4.5 特征向量的匹配 | 第48-50页 |
| 4.5.1 双向匹配法 | 第48-49页 |
| 4.5.2 RANSAC算法 | 第49-50页 |
| 4.6 相似变换矩阵的求解 | 第50-51页 |
| 4.7 视频图像的配准原理 | 第51-52页 |
| 4.8 改进的基于插值计算的运动视频去模糊算法 | 第52-55页 |
| 4.9 本章小结 | 第55-56页 |
| 第五章 算法仿真与系统实现 | 第56-66页 |
| 5.1 算法仿真实验结果 | 第56-62页 |
| 5.1.1 本文特征描述方法旋转不变性的测试 | 第56-58页 |
| 5.1.2 本文特征描述方法匹配精度的对比 | 第58-59页 |
| 5.1.3 运动去模糊效果的对比与分析 | 第59-62页 |
| 5.2 基于OpenCV平台的运动视频去模糊系统设计 | 第62-65页 |
| 5.2.1 OpenCV平台简介 | 第62-63页 |
| 5.2.2 运动视频去模糊系统在OpenCV平台上的实现 | 第63-65页 |
| 5.3 本章小结 | 第65-66页 |
| 第六章 总结与展望 | 第66-68页 |
| 6.1 本文工作总结 | 第66-67页 |
| 6.2 未来展望 | 第67-68页 |
| 参考文献 | 第68-74页 |
| 致谢 | 第74-75页 |
| 硕士期间发表的论文 | 第75-76页 |
