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

面向散焦图像的去模糊与深度估计研究

摘要第4-6页
Abstract第6-8页
第1章 绪论第15-31页
    1.1 课题背景及研究的目的和意义第15页
    1.2 散焦图像的去模糊与深度估计基本理第15-20页
        1.2.1 散焦图像成像原理第15-18页
        1.2.2 图像去模糊的反问题模型第18-19页
        1.2.3 深度估计的反问题模型第19-20页
    1.3 国内外研究现状第20-28页
        1.3.1 散焦图像的图像去模糊研究现状第20-22页
        1.3.2 散焦图像的深度估计研究现状第22-28页
    1.4 本文的主要研究内容第28-29页
    1.5 本文的内容安排第29-31页
第2章 基于Kuhn-Tucker理论的图像去模糊迭代算法第31-49页
    2.1 引言第31-32页
    2.2 两种图像去模糊迭代算法第32-35页
        2.2.1 带有非负修正的最速下降法第32-34页
        2.2.2 基于凸集投影方法的共轭梯度法第34-35页
    2.3 基于Kuhn-Tucker理论的迭代算法第35-39页
        2.3.1 Kuhn-Tucker理论知识第35-36页
        2.3.2 算法的提出第36-37页
        2.3.3 算法的收敛性分析第37-39页
        2.3.4 算法的基本步骤第39页
    2.4 实验结果与分析第39-48页
    2.5 本章小结第48-49页
第3章 基于I-divergence的全变分图像去模糊方法第49-66页
    3.1 引言第49-50页
    3.2 基于I-divergence的全变分图像去模糊模型第50-54页
        3.2.1 保真项的选取第50-51页
        3.2.2 正则项的选取第51-54页
        3.2.3 图像去模糊模型第54页
    3.3 变分偏微分方程方法第54-58页
        3.3.1 Euler-Lagrange方程第55-56页
        3.3.2 梯度下降流方法第56页
        3.3.3 数值方法第56-58页
    3.4 实验结果与分析第58-65页
    3.5 本章小结第65-66页
第4章 基于几何约束的散焦图像的深度估计方法第66-97页
    4.1 引言第66-67页
    4.2 基于几何约束的散焦图像的深度估计模型第67-79页
        4.2.1 散焦图像的差异模型第67-73页
        4.2.2 几何约束的推导第73-77页
        4.2.3 带有几何约束的散焦图像的深度估计模型第77-78页
        4.2.4 改进的枚举法第78页
        4.2.5 深度估计算法第78-79页
        4.2.6 算法时间复杂度分析第79页
    4.3 实验结果与分析第79-96页
        4.3.1 仿真数据的实验结果与分析第80-88页
        4.3.2 带有噪声的仿真数据的实验结果与分析第88-91页
        4.3.3 真实数据的实验结果与分析第91-96页
    4.4 本章小结第96-97页
第5章 基于判别学习技术的散焦图像的深度估计方法第97-121页
    5.1 引言第97-98页
    5.2 预备知识第98-103页
        5.2.1 Hilbert空间及其重要算子第98-101页
        5.2.2 矩阵分析相关理论第101-102页
        5.2.3 矩阵的奇异值分解第102-103页
    5.3 传统判别学习方法第103-107页
        5.3.1 Hilbert空间下DFD问题描述第103-105页
        5.3.2 TSVD测度学习方法第105-107页
    5.4 基于判别测度学习的DFD方法第107-113页
        5.4.1 TSVD方法的不足第107页
        5.4.2 判别函数的设计第107-110页
        5.4.3 投影子梯度下降法第110-112页
        5.4.4 深度估计算法第112页
        5.4.5 算法时间复杂度分析第112-113页
    5.5 实验结果与分析第113-120页
        5.5.1 仿真数据的实验结果与分析第113-117页
        5.5.2 真实数据的实验结果与分析第117-120页
    5.6 本章小结第120-121页
结论第121-123页
参考文献第123-134页
攻读博士学位期间发表的论文及其它成果第134-136页
致谢第136-137页
个人简历第137页

论文共137页,点击 下载论文
上一篇:基于能效优化的双足机器人自学习控制方法研究
下一篇:现代大学的治理逻辑及其在中国大学实现路径研究