| 摘要 | 第1-10页 |
| ABSTRACT | 第10-12页 |
| 第一章 绪论 | 第12-18页 |
| ·课题的背景及研究意义 | 第12页 |
| ·国内外研究现状 | 第12-15页 |
| ·论文的主要工作 | 第15-16页 |
| ·论文的内容安排 | 第16-18页 |
| 第二章 图像复原方法及质量评价 | 第18-40页 |
| ·概述 | 第18页 |
| ·图像的降质模型及描述 | 第18-20页 |
| ·降质点扩展函数h的类型 | 第19-20页 |
| ·降质图像的噪声模型 | 第20页 |
| ·经典的图像复原方法 | 第20-24页 |
| ·奇异值分解（SVD）伪逆方法 | 第20-21页 |
| ·维纳滤波 | 第21-22页 |
| ·最大熵方法 | 第22页 |
| ·Lucy-Richardson方法 | 第22-23页 |
| ·基于最大后验概率（MAP）估计的方法 | 第23-24页 |
| ·正则化的图像复原方法 | 第24-28页 |
| ·正则化方法的提出 | 第24-25页 |
| ·正则化方法在图像复原中的应用 | 第25-26页 |
| ·自适应正则化复原方法分类 | 第26-28页 |
| ·图像复原质量的评价方法 | 第28-38页 |
| ·图像复原质量的客观评价方法 | 第28-29页 |
| ·基于图像分区复原质量的盲评价方法 | 第29-34页 |
| ·实验结果 | 第34-38页 |
| ·小结 | 第38-40页 |
| 第三章 基于噪声分布的自适应正则化复原方法 | 第40-56页 |
| ·概述 | 第40-41页 |
| ·噪声分布的估计及自适应正则化参数的计算 | 第41-44页 |
| ·基于空间域的噪声分布估计方法 | 第41-42页 |
| ·基于小波域的噪声分布估计方法 | 第42-43页 |
| ·局部正则化参数的计算 | 第43-44页 |
| ·空间自适应正则化算子的设计 | 第44-45页 |
| ·基于噪声分布自适应正则化复原方法的设计与实现 | 第45-48页 |
| ·算法的设计 | 第46-47页 |
| ·算法的推广 | 第47-48页 |
| ·实验结果 | 第48-55页 |
| ·小结 | 第55-56页 |
| 第四章 基于图像复原特征的自适应正则化复原方法 | 第56-69页 |
| ·概述 | 第56页 |
| ·复原图像的伪像分析 | 第56-59页 |
| ·基于图像复原特征自适应正则化复原方法的设计与实现 | 第59-62页 |
| ·目标函数的设计 | 第59-60页 |
| ·正则化参数的计算方法 | 第60-61页 |
| ·算法的实现 | 第61-62页 |
| ·实验结果 | 第62-67页 |
| ·小结 | 第67-69页 |
| 第五章 基于先验图像信息的自适应正则化复原方法 | 第69-88页 |
| ·概述 | 第69页 |
| ·最小鉴别信息约束设计的自适应正则化复原方法 | 第69-74页 |
| ·最小鉴别信息原理 | 第70-71页 |
| ·自适应正则化参数β(i，j)的计算方法 | 第71-74页 |
| ·算法实现 | 第74页 |
| ·基于先验图像的盲复原方法 | 第74-82页 |
| ·目标函数的构造 | 第75-76页 |
| ·复原算法 | 第76-78页 |
| ·降质点扩展函数尺寸的选取 | 第78-81页 |
| ·参数的选取 | 第81-82页 |
| ·实验结果 | 第82-87页 |
| ·小结 | 第87-88页 |
| 第六章 自适应正则化方法在超分辨率图像重构中的应用 | 第88-94页 |
| ·概述 | 第88页 |
| ·超分辨率图像重构中自适应正则化方法的设计 | 第88-91页 |
| ·超分辨率图像重构的数学模型 | 第88-89页 |
| ·Lee的重构算法 | 第89-90页 |
| ·自适应正则化方法的重构算法 | 第90-91页 |
| ·实验结果 | 第91-93页 |
| ·小结 | 第93-94页 |
| 结束语 | 第94-96页 |
| 致谢 | 第96-97页 |
| 参考文献 | 第97-107页 |
| 作者在学期间取得的学术成果 | 第107-108页 |
| 附录A 图像模糊的两个性质 | 第108-110页 |
| 附录B Gibbs效应的分析 | 第110-112页 |