| 致谢 | 第1-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-16页 |
| ·课题研究背景及意义 | 第10-11页 |
| ·国内外现状及发展趋势 | 第11-14页 |
| ·像清晰化技术的国内外现状及发展趋势 | 第11-12页 |
| ·GPU 的国内外现状、应用及发展趋势 | 第12-14页 |
| ·本文的主要研究内容与组织结构 | 第14-16页 |
| 第二章 基于图像增强的像清晰化方法 | 第16-32页 |
| ·噪声分析 | 第16-18页 |
| ·图像质量评价方法 | 第18-20页 |
| ·主观评价 | 第18页 |
| ·客观评价 | 第18-20页 |
| ·基于图像增强的像清晰化方法 | 第20-28页 |
| ·直方图均衡化算法 | 第21-22页 |
| ·同态滤波算法 | 第22-23页 |
| ·非局部均值算法 | 第23-24页 |
| ·小波方法 | 第24-25页 |
| ·Retinex 算法 | 第25-27页 |
| ·暗通道优先（Dark Channel Prior）算法 | 第27-28页 |
| ·图像增强算法的总结归纳 | 第28-29页 |
| ·本章小结 | 第29-32页 |
| 第三章 基于图像复原的像清晰化方法 | 第32-50页 |
| ·图像复原模型 | 第32-33页 |
| ·降晰模型 | 第33-35页 |
| ·图像复原的病态性与正则化方法 | 第35-36页 |
| ·经典的图像迭代复原算法 | 第36-41页 |
| ·Richardson-Lucy 算法 | 第36-37页 |
| ·非负有限支持域约束递归逆滤波(NAS-RIF)算法 | 第37-38页 |
| ·迭代盲卷积（IBD）算法 | 第38-40页 |
| ·模拟退火（SA）算法 | 第40-41页 |
| ·G 类快速盲复原算法 | 第41-48页 |
| ·APEX 算法 | 第41-42页 |
| ·G 类中频盲复原算法 | 第42-46页 |
| ·G 类快速算法的仿真和分析比较 | 第46-48页 |
| ·本章小结 | 第48-50页 |
| 第四章 基于 GPU 的像清晰化平台 | 第50-64页 |
| ·GPU 与 CPU 的处理性能对比 | 第50-51页 |
| ·CUDA 通用计算模型 | 第51-57页 |
| ·CUDA 软件体系结构与编译过程 | 第52-53页 |
| ·CUDA 的计算能力 | 第53-54页 |
| ·采用 CUDA 技术 GPU 的硬件体系结构 | 第54-55页 |
| ·CUDA 的存储模型 | 第55-57页 |
| ·像清晰化平台与 CUDA 实验配置 | 第57-63页 |
| ·本章小结 | 第63-64页 |
| 第五章 基于 GPU 的并行像清晰化 | 第64-78页 |
| ·基于 GPU 的 NLM 并行算法 | 第64-68页 |
| ·基于 GPU 的中频域 G 类盲复原并行算法 | 第68-74页 |
| ·基于 GPU 的图像采集与清晰化 | 第74-77页 |
| ·本章小结 | 第77-78页 |
| 第六章 总结与展望 | 第78-80页 |
| ·论文工作总结 | 第78页 |
| ·论文工作创新点 | 第78-79页 |
| ·未来工作展望 | 第79-80页 |
| 参考文献 | 第80-86页 |
| 作者简历及在学期间发表的学术论文与研究成果 | 第86页 |