| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 课题背景与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 非盲去模糊的国内外研究现状 | 第12-13页 |
| 1.2.2 盲去模糊的国内外研究现状 | 第13-14页 |
| 1.2.3 基于深度学习的图像去运动模糊研究现状 | 第14-15页 |
| 1.3 论文主要工作 | 第15-17页 |
| 第2章 理论基础 | 第17-31页 |
| 2.1 图像模糊种类 | 第17-18页 |
| 2.1.1 自然模糊 | 第17页 |
| 2.1.2 运动模糊 | 第17页 |
| 2.1.3 人工合成模糊 | 第17-18页 |
| 2.2 图像退化模型 | 第18-22页 |
| 2.2.1 图像退化模型概述 | 第18-20页 |
| 2.2.2 空间不变化的运动模糊退化模型 | 第20-21页 |
| 2.2.3 空间变化的运动模糊退化模型 | 第21-22页 |
| 2.3 图像去模糊分析 | 第22-23页 |
| 2.4 常用的先验约束 | 第23-25页 |
| 2.4.1 图像的先验约束 | 第23-24页 |
| 2.4.2 模糊核的先验约束 | 第24-25页 |
| 2.5 深度学习理论基础 | 第25-29页 |
| 2.5.1 深度学习的学习过程 | 第25-27页 |
| 2.5.2 卷积神经网络 | 第27页 |
| 2.5.3 残差网络 | 第27-28页 |
| 2.5.4 生成对抗网络 | 第28-29页 |
| 2.6 图像复原评价标准 | 第29-30页 |
| 2.7 本章小结 | 第30-31页 |
| 第3章 基于级联收缩域模型的运动图像盲去模糊算法研究 | 第31-49页 |
| 3.1 引言 | 第31页 |
| 3.2 建立盲去模糊模型 | 第31-34页 |
| 3.2.1 盲去模糊求解模型 | 第31-33页 |
| 3.2.3 盲去模糊流程 | 第33-34页 |
| 3.3 模型求解 | 第34-39页 |
| 3.3.1 级联收缩域模型估计清晰图像及中间清晰图像 | 第34-38页 |
| 3.3.2 半二次优化法估计模糊核 | 第38-39页 |
| 3.4 完整的图像去模糊算法 | 第39-40页 |
| 3.5 实验结果与分析 | 第40-48页 |
| 3.5.1 文本训练集的盲去模糊实验 | 第41-42页 |
| 3.5.2 Levin标准测试集的盲去模糊实验 | 第42-45页 |
| 3.5.3 车牌数据集的盲去模糊实验 | 第45-48页 |
| 3.6 本章小结 | 第48-49页 |
| 第4章 基于生成对抗网络的车牌图像去模糊技术研究 | 第49-61页 |
| 4.1 引言 | 第49页 |
| 4.2 去运动模糊模型 | 第49-51页 |
| 4.2.1 对抗误差约束 | 第50页 |
| 4.2.2 均方误差约束 | 第50页 |
| 4.2.3 梯度l1稀疏正则化约束 | 第50-51页 |
| 4.2.4 总体模型 | 第51页 |
| 4.3 网络模型及优化 | 第51-55页 |
| 4.3.1 生成器网络 | 第51-53页 |
| 4.3.2 判别器网络 | 第53页 |
| 4.3.3 残差网络优化 | 第53-55页 |
| 4.4 数据处理 | 第55-56页 |
| 4.4.1 数据集获取 | 第55-56页 |
| 4.4.2 数据集预处理 | 第56页 |
| 4.5 实验结果与分析 | 第56-60页 |
| 4.5.1 网络输入参数设置 | 第56页 |
| 4.5.2 实验结果 | 第56-58页 |
| 4.5.3 实验扩展 | 第58-60页 |
| 4.6 本章小结 | 第60-61页 |
| 第5章 总结与展望 | 第61-63页 |
| 5.1 总结 | 第61-62页 |
| 5.2 展望 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-69页 |
| 附录 | 第69页 |