| 致谢 | 第4-5页 |
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 1 绪论 | 第12-18页 |
| 1.1 图像复原研究的背景与意义 | 第12-13页 |
| 1.2 研究概况和现状 | 第13-16页 |
| 1.2.1 频域复原方法 | 第13-14页 |
| 1.2.2 空间域复原方法 | 第14-15页 |
| 1.2.3 图像随机场模型和复原方法 | 第15页 |
| 1.2.4 图像复原的新方法 | 第15-16页 |
| 1.3 论文主要研究内容及组织结构 | 第16-18页 |
| 2 图像复原基本理论 | 第18-30页 |
| 2.1 图像复原数学模型 | 第18-19页 |
| 2.2 图像复原涉及的非线性、噪声问题 | 第19-20页 |
| 2.3 主要降质过程 | 第20-23页 |
| 2.3.1 线性移动退化函数 | 第20-21页 |
| 2.3.2 散焦退化函数 | 第21-22页 |
| 2.3.3 G类点扩散函数 | 第22页 |
| 2.3.4 大气湍流降质 | 第22-23页 |
| 2.4 图像复原算法的电路实现技术现状 | 第23-26页 |
| 2.4.1 DSP实现图像复原处理 | 第23-24页 |
| 2.4.2 用专用硬件实现图像复原处理 | 第24-26页 |
| 2.4.3 基于GPU的处理平台 | 第26页 |
| 2.5 图像质量评价 | 第26-28页 |
| 2.5.1 图像质量主观评价方法 | 第26-27页 |
| 2.5.2 图像质量的客观评价 | 第27-28页 |
| 2.6 本章小结 | 第28-30页 |
| 3 图像盲复原算法 | 第30-58页 |
| 3.1 自解卷积数据重建算法（SEDDARA） | 第31-35页 |
| 3.1.1 自解卷积数据重建算法原理 | 第31-32页 |
| 3.1.2 图像的频谱分布 | 第32-33页 |
| 3.1.3 点扩展函数频谱分布模型 | 第33-35页 |
| 3.2 SEDDARA算法步骤及仿真结果 | 第35-38页 |
| 3.2.1 算法分析 | 第35-36页 |
| 3.2.2 仿真实验结果 | 第36-38页 |
| 3.3 基于概率模型的图像盲复原算法 | 第38-40页 |
| 3.4 乘性迭代复原算法 | 第40-49页 |
| 3.4.1 乘性迭代算法原理 | 第40-42页 |
| 3.4.2 乘性迭代算法收敛性证明 | 第42-45页 |
| 3.4.3 算法实验结果 | 第45-49页 |
| 3.5 多帧迭代复原算法 | 第49-56页 |
| 3.5.1 短曝光序列图像 | 第49-50页 |
| 3.5.2 图像序列的两部式迭代算法 | 第50-52页 |
| 3.5.3 多帧序列图像复原结果 | 第52-56页 |
| 3.6 本章小结 | 第56-58页 |
| 4 基于图像复原的去雾算法FPGA设计 | 第58-74页 |
| 4.1 基于图像复原的去雾方法 | 第58-59页 |
| 4.2 基于暗通道的去雾算法 | 第59-62页 |
| 4.2.1 去雾模型 | 第59页 |
| 4.2.2 暗通道模型 | 第59页 |
| 4.2.3 估计光照系数A | 第59-60页 |
| 4.2.4 估计转换函数t(x) | 第60-61页 |
| 4.2.5 基于双尺度暗通道的单幅去雾方法 | 第61-62页 |
| 4.3 实验结果 | 第62-65页 |
| 4.4 基于IMPLUSEC的去雾算法FPGA设计 | 第65-73页 |
| 4.4.1 ISE的一般设计流程 | 第65-67页 |
| 4.4.2 Impluse C工具 | 第67页 |
| 4.4.3 Impluse C编程模型 | 第67-69页 |
| 4.4.4.图像去雾模块设计 | 第69-71页 |
| 4.4.5 设计实现及实验结果 | 第71-73页 |
| 4.5 本章小结 | 第73-74页 |
| 5 图像复原模块的OPENCL设计 | 第74-90页 |
| 5.1 典型的GPU硬件架构 | 第74-76页 |
| 5.1.1 NVIDIA CUDA架构 | 第74-75页 |
| 5.1.2 AMD Cypress架构 | 第75-76页 |
| 5.2 OPENCL工具 | 第76-78页 |
| 5.3 图像复原算法中的核心计算模块 | 第78-79页 |
| 5.4 快速傅里叶变换原理及其改进 | 第79-84页 |
| 5.4.1 利用周期对称性减少FFT算法冗余计算 | 第79-81页 |
| 5.4.2 利用中心共轭对称去除冗余计算 | 第81-82页 |
| 5.4.3 算法复杂度分析 | 第82-83页 |
| 5.4.4 算法仿真分析 | 第83-84页 |
| 5.5 OPENCL算法实现 | 第84-86页 |
| 5.6 存储层次的优化 | 第86-87页 |
| 5.7 实验结果 | 第87-88页 |
| 5.8 本章小结 | 第88-90页 |
| 6 小型化通用GPU设备 | 第90-102页 |
| 6.1 GPU通用处理平台 | 第90-93页 |
| 6.1.1 硬件平台的核心处理器件 | 第90-91页 |
| 6.1.2 GPU处理平台 | 第91-93页 |
| 6.2 数据传输性分析 | 第93-95页 |
| 6.2.1 PCIE和GPU数据传输 | 第93-94页 |
| 6.2.3 全局存储器访存优化 | 第94-95页 |
| 6.3 乘性迭代复原算法（MIA）基于GPU平台的实现 | 第95-98页 |
| 6.3.1 算法处理流程模块化 | 第95-96页 |
| 6.3.2 迭代计算控制模块 | 第96页 |
| 6.3.3 算法并行运算步骤 | 第96-98页 |
| 6.4 实验平台结果 | 第98-100页 |
| 6.5 本章小结 | 第100-102页 |
| 7 总结与展望 | 第102-105页 |
| 7.1 全文工作总结 | 第102-103页 |
| 7.2 本文主要创新点 | 第103页 |
| 7.3 图像复原技术研究展望 | 第103-105页 |
| 参考文献 | 第105-112页 |
| 作者简介及在学期间发表的学术论文与研究成果 | 第112页 |