| 中文摘要 | 第3-5页 |
| 英文摘要 | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 课题背景及研究意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.3 课题研究的难点 | 第12页 |
| 1.4 论文研究内容 | 第12-13页 |
| 1.5 论文章节安排 | 第13-15页 |
| 2 运动模糊图像复原相关理论 | 第15-35页 |
| 2.1 引言 | 第15页 |
| 2.2 图像退化过程 | 第15-19页 |
| 2.2.1 运动模糊图像退化模型 | 第16-19页 |
| 2.2.2 图像退化过程中的噪声 | 第19页 |
| 2.3 卷积神经网络的基本原理 | 第19-30页 |
| 2.3.1 网络层 | 第19-22页 |
| 2.3.2 激活函数 | 第22-25页 |
| 2.3.3 损失函数 | 第25-26页 |
| 2.3.4 梯度下降法 | 第26-29页 |
| 2.3.5 反向传播算法 | 第29-30页 |
| 2.4 基于深度学习的模糊图像复原方法比较 | 第30-32页 |
| 2.5 复原图像的质量评价 | 第32-34页 |
| 2.5.1 人类主观评估 | 第32-33页 |
| 2.5.2 客观指标评估 | 第33-34页 |
| 2.6 本章小结 | 第34-35页 |
| 3 改进的生成式对抗网络衍生模型用于运动模糊图像盲复原 | 第35-49页 |
| 3.1 引言 | 第35页 |
| 3.2 相关工作 | 第35-44页 |
| 3.2.1 运动模糊图像特点分析 | 第35页 |
| 3.2.2 生成式对抗网络 | 第35-37页 |
| 3.2.3 生成式对抗网络的衍生模型 | 第37-44页 |
| 3.3 提出的改进 | 第44-45页 |
| 3.4 实验结果分析 | 第45-48页 |
| 3.5 本章小结 | 第48-49页 |
| 4 双框架卷积神经网络用于运动模糊图像盲复原 | 第49-65页 |
| 4.1 引言 | 第49页 |
| 4.2 提出的方法 | 第49-53页 |
| 4.2.1 生成网络G | 第50-51页 |
| 4.2.2 判别网络D | 第51页 |
| 4.2.3 损失函数 | 第51-53页 |
| 4.3 实验结果及分析 | 第53-63页 |
| 4.3.1 实验环境设置 | 第54-55页 |
| 4.3.2 提出网络的性能测试实验 | 第55-57页 |
| 4.3.3 与经典论文的图像复原实验比较 | 第57-63页 |
| 4.4 本章小结 | 第63-65页 |
| 5 总结及展望 | 第65-67页 |
| 5.1 工作总结 | 第65页 |
| 5.2 工作展望 | 第65-67页 |
| 致谢 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 附录 | 第73页 |
| A.作者攻读学位期间投稿的论文 | 第73页 |
| B.作者在攻读学位期间参加的科研项目 | 第73页 |