基于单幅运动模糊图像复原算法研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 1 引言 | 第8-18页 |
| 1.1 课题研究背景与意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-16页 |
| 1.2.1 非盲去模糊复原算法 | 第9-13页 |
| 1.2.2 盲去模糊复原算法 | 第13-16页 |
| 1.3 本文主要工作及创新点 | 第16-18页 |
| 1.3.1 本文章节安排 | 第16页 |
| 1.3.2 本文主要创新点 | 第16-18页 |
| 2 基于L_1正则化方法模糊核估计算法 | 第18-34页 |
| 2.1 模糊图像退化模型 | 第18-20页 |
| 2.1.1 运动模糊图像成因 | 第18页 |
| 2.1.2 运动模糊图像数学模型 | 第18-20页 |
| 2.2 图像复原质量评估方法 | 第20-22页 |
| 2.2.1 均方根误差（RMSE） | 第20-21页 |
| 2.2.2 峰值性噪比（PSNR） | 第21页 |
| 2.2.3 结构相似度（SSIM） | 第21-22页 |
| 2.3 基于L_1正则化估计模糊核 | 第22-27页 |
| 2.3.1 基于正则项约束的图像复原数学模型 | 第22-23页 |
| 2.3.2 估计模糊核 | 第23-25页 |
| 2.3.3 基于L_1正则化图像边缘重建 | 第25-26页 |
| 2.3.4 模糊核修正 | 第26-27页 |
| 2.4 实验结果与分析 | 第27-32页 |
| 2.4.1 人为运动模糊图像实验 | 第27-30页 |
| 2.4.2 自然运动模糊图像实验 | 第30-32页 |
| 2.5 本章小结 | 第32-34页 |
| 3 基于稀疏表示的超拉普拉斯图像复原算法 | 第34-48页 |
| 3.1 图像预处理 | 第34-38页 |
| 3.1.1 引导滤波器 | 第35-36页 |
| 3.1.2 冲击滤波器 | 第36-38页 |
| 3.2 基于超拉普拉斯图像复原算法 | 第38-41页 |
| 3.2.1 Bregman迭代算法 | 第38-39页 |
| 3.2.2 基于高斯分布先验知识模型 | 第39-40页 |
| 3.2.3 基于拉普拉斯分布先验知识模型 | 第40页 |
| 3.2.4 基于超拉普拉斯分布先验知识模型 | 第40-41页 |
| 3.3 基于稀疏表示的超拉普拉斯图像复原 | 第41-43页 |
| 3.3.1 图像的稀疏表示 | 第41页 |
| 3.3.2 数学模型 | 第41-43页 |
| 3.4 实验结果与分析 | 第43-47页 |
| 3.4.1 基于人为加噪模糊图像的复原 | 第43-45页 |
| 3.4.2 基于自然模糊图像的复原 | 第45-47页 |
| 3.5 本章小结 | 第47-48页 |
| 4 总结与展望 | 第48-50页 |
| 4.1 总结 | 第48页 |
| 4.2 研究展望 | 第48-50页 |
| 致谢 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 附录 | 第56页 |
