| 中文摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-12页 |
| ·问题的提出与意义 | 第7-8页 |
| ·国内外研究的历史和现状 | 第8-10页 |
| ·数字图像复原技术的应用领域 | 第10页 |
| ·本文的研究工作 | 第10-12页 |
| 第二章 实验系统的构成及图像的获取 | 第12-19页 |
| ·引言 | 第12-13页 |
| ·CCD 摄像机 | 第13-14页 |
| ·图像采集卡 | 第14-16页 |
| ·图像采集卡的基本特性 | 第14-15页 |
| ·图像采集卡的选用 | 第15-16页 |
| ·数字图像编程基础 | 第16-18页 |
| ·本章小结 | 第18-19页 |
| 第三章 运动模糊图像复原的理论基础 | 第19-30页 |
| ·图像噪声 | 第19-20页 |
| ·图像退化的数学模型 | 第20-22页 |
| ·连续成像模型 | 第21页 |
| ·离散成像模型 | 第21-22页 |
| ·匀速直线运动模糊图像的退化模型 | 第22-25页 |
| ·图像复原问题的病态和正则化处理 | 第25-26页 |
| ·图像复原问题的病态 | 第25-26页 |
| ·正则化处理 | 第26页 |
| ·图像复原中常用的算法 | 第26-29页 |
| ·本章小结 | 第29-30页 |
| 第四章 运动模糊图像复原 | 第30-38页 |
| ·引言 | 第30页 |
| ·两场图像间阶梯效应的产生和消除 | 第30-32页 |
| ·场内运动模糊复原 | 第32-34页 |
| ·点扩散函数的估算 | 第32页 |
| ·维纳滤波 | 第32-34页 |
| ·实验验证 | 第34-37页 |
| ·本章小结 | 第37-38页 |
| 第五章 基于MCMC 法的贝叶斯图像复原 | 第38-51页 |
| ·引言 | 第38-39页 |
| ·Bayes 分析法 | 第39-40页 |
| ·Markov 随机场图像模型 | 第40-43页 |
| ·MCMC 算法简介 | 第43-46页 |
| ·Metropolis-Hastings 抽样算法 | 第43-46页 |
| ·Gibbs 抽样算法 | 第46页 |
| ·图像复原实现 | 第46-50页 |
| ·图像先验模型 | 第46-47页 |
| ·似然分布 | 第47-48页 |
| ·实验 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 第六章 基于BP 神经网络的数字识别 | 第51-57页 |
| ·引言 | 第51页 |
| ·BP 神经网络简介 | 第51-54页 |
| ·BP 神经网络结构 | 第51-52页 |
| ·BP 网络基本算法推导 | 第52-54页 |
| ·具体程序设计及其说明 | 第54-56页 |
| ·程序设计的基本思路 | 第54页 |
| ·样本和相关参数的说明 | 第54-55页 |
| ·部分程序运行及结果截图 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 第七章 总结与展望 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 发表论文和参加科研情况说明 | 第61-62页 |
| 致谢 | 第62页 |