| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第11-20页 |
| 1.1 研究背景与意义 | 第11-13页 |
| 1.2 研究现状 | 第13-17页 |
| 1.2.1 图像非盲复原以及盲复原的研究 | 第13-15页 |
| 1.2.2 图像点扩散函数的测量 | 第15-16页 |
| 1.2.3 图像超分辨率重建的研究 | 第16-17页 |
| 1.3 研究内容 | 第17-18页 |
| 1.4 组织结构 | 第18-20页 |
| 第二章 数学反问题及图像复原基础知识 | 第20-35页 |
| 2.1 引言 | 第20页 |
| 2.2 数学反问题的基础理论 | 第20-21页 |
| 2.2.1 数学反问题的基本概念 | 第20-21页 |
| 2.2.2 数学反问题的难点 | 第21页 |
| 2.2.3 数学反问题的基本解法 | 第21页 |
| 2.3 图像复原的基础理论 | 第21-33页 |
| 2.3.1 空间分辨率和数字影像传感器 | 第22页 |
| 2.3.2 图像退化模型 | 第22-23页 |
| 2.3.3 经典的图像复原算法 | 第23-29页 |
| 2.3.4 超分辨率重建算法及其分类 | 第29-33页 |
| 2.4 图像质量的评价方法 | 第33-35页 |
| 第三章 任意形状曲线刃边的点扩散函数估计方法 | 第35-50页 |
| 3.1 引言 | 第35-36页 |
| 3.2 刃边法PSF估计原理 | 第36-37页 |
| 3.3 算法原理 | 第37-40页 |
| 3.3.1 投影法原理 | 第37-39页 |
| 3.3.2 曲线刃边投影法理论依据 | 第39-40页 |
| 3.4 算法步骤 | 第40-43页 |
| 3.4.1 ESF样本的采样 | 第41页 |
| 3.4.2 异常与噪声ESF样本的剔除 | 第41-42页 |
| 3.4.3 ESF样本的插值与重采样 | 第42页 |
| 3.4.4 LSF采样与拟合 | 第42-43页 |
| 3.5 实验测试 | 第43-49页 |
| 3.5.1 参数的选取 | 第43页 |
| 3.5.2 不同曲率刃边实验结果 | 第43-45页 |
| 3.5.3 不同曲线刃边算法的比较 | 第45-47页 |
| 3.5.4 算法的抗噪性研究 | 第47-48页 |
| 3.5.5 遥感图复原效果 | 第48-49页 |
| 3.6 本章总结 | 第49-50页 |
| 第四章 基于交替方向乘子法的图像盲复原 | 第50-58页 |
| 4.1 引言 | 第50-51页 |
| 4.2 交替方向乘子法 | 第51-52页 |
| 4.3 交替方向乘子盲复原算法 | 第52-53页 |
| 4.4 实验结果以及评价 | 第53-56页 |
| 4.4.1 不同模糊类型的图像复原 | 第54-55页 |
| 4.4.2 与其他图像盲复原算法的比较 | 第55-56页 |
| 4.5 本章总结 | 第56-58页 |
| 第五章 基于学习的图像超分辨率重建研究 | 第58-68页 |
| 5.1 引言 | 第58页 |
| 5.2 基于卷积神经网络的单帧图像超分辨率重建模型 | 第58-60页 |
| 5.2.1 卷积神经网络的结构 | 第58-59页 |
| 5.2.2 卷积神经网络的训练 | 第59-60页 |
| 5.3 改进的可训练反应扩散模型 | 第60-65页 |
| 5.3.1 PM方程 | 第61页 |
| 5.3.2 可训练的反应扩散模型 | 第61-64页 |
| 5.3.3 可训练的反应扩散模型的改进 | 第64-65页 |
| 5.4 实验分析 | 第65-66页 |
| 5.4.1 实验数据集 | 第65页 |
| 5.4.2 实验参数设置 | 第65页 |
| 5.4.3 实验结果 | 第65-66页 |
| 5.5 本章总结 | 第66-68页 |
| 第六章 总结 | 第68-70页 |
| 6.1 本文工作总结 | 第68-69页 |
| 6.2 研究展望 | 第69-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-76页 |
| 作者简历 | 第76页 |