首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于多通道约束的图像解卷积方法研究

摘要第5-6页
ABSTRACT第6-7页
符号对照表第10-11页
缩略语对照表第11-15页
第一章 绪论第15-23页
    1.1 研究背景及意义第15-16页
    1.2 国内外研究现状第16-20页
    1.3 论文研究工作及创新点第20-21页
        1.3.1 研究工作第20页
        1.3.2 创新点第20-21页
    1.4 论文结构安排第21-23页
第二章 图像解卷积技术基本理论第23-37页
    2.1 图像解卷积数学模型第23-26页
        2.1.1 图像复原第23-24页
        2.1.2 点扩散函数(PSF)第24-26页
    2.2 图像解卷积方法第26-31页
        2.2.1 图像非盲解卷积方法第26-29页
        2.2.2 图像盲解卷积方法第29-31页
    2.3 图像解卷积需解决的主要问题第31-33页
        2.3.1 病态性第31-32页
        2.3.2 振铃效应第32-33页
    2.4 图像解卷积质量评价第33-35页
        2.4.1 全参考图像质量评价第33-34页
        2.4.2 无参考图像质量评价第34-35页
    2.5 本章小结第35-37页
第三章 边界修补策略下的图像解卷积方法研究第37-55页
    3.1 引言第37页
    3.2 图像解卷积边界条件第37-39页
        3.2.1 周期边界第38页
        3.2.2 Dirichlet边界第38-39页
        3.2.3 Neumann边界第39页
    3.3 ADMM解卷积算法第39-43页
        3.3.1 基本ADMM算法思想第39-41页
        3.3.2 拓展优化问题下的ADMM算法思想第41-43页
    3.4 基于边界修补条件的图像解卷积方法第43-49页
        3.4.1 图像复原模型构建第43-45页
        3.4.2 最优化模型计算第45-48页
        3.4.3 算法复杂度分析第48-49页
    3.5 实验结果及分析第49-54页
        3.5.1 复原质量与精度第50-51页
        3.5.2 算法对比第51-54页
    3.6 本章小结第54-55页
第四章 基于多通道约束的图像解卷积方法研究第55-75页
    4.1 引言第55页
    4.2 Retinex理论基础第55-58页
        4.2.1 Retinex理论简介第55-57页
        4.2.2 SSR算法第57-58页
        4.2.3 MSR算法第58页
        4.2.4 MSRCR算法第58页
    4.3 一种Retinex通道先验正则化项的提出第58-63页
        4.3.1 Retinex通道先验思想第59-60页
        4.3.2 实验验证第60-63页
    4.4 基于Retinex通道先验的图像解卷积方法第63-67页
        4.4.1 图像复原模型构建第63页
        4.4.2 最优化模型计算第63-67页
    4.5 实验结果及分析第67-74页
        4.5.1 视觉效果比较第69-72页
        4.5.2 量化效果比较第72-74页
    4.6 本章小结第74-75页
第五章 总结与展望第75-77页
    5.1 论文工作总结第75-76页
    5.2 下一步工作第76-77页
参考文献第77-83页
致谢第83-85页
作者简介第85-86页

论文共86页,点击 下载论文
上一篇:基于Hadoop的Web日志数据分析系统的研究
下一篇:多源室内定位信息融合技术研究与实现