摘要 | 第7-9页 |
Abstract | 第9-11页 |
符号表 | 第12-13页 |
第一章 前言 | 第13-35页 |
1.1 研究背景及意义 | 第13-16页 |
1.2 模糊图像退化模型 | 第16-18页 |
1.3 模糊图像盲复原技术发展及研究现状 | 第18-25页 |
1.3.1 解模糊技术 | 第18-21页 |
1.3.2 模糊核估计技术 | 第21-25页 |
1.4 模糊图像盲复原算法评价 | 第25-32页 |
1.4.1 模糊核估计准确性评价 | 第25-26页 |
1.4.2 复原图像质量评价 | 第26-29页 |
1.4.3 模糊图像数据库 | 第29-32页 |
1.5 论文研究内容及其贡献 | 第32-33页 |
1.6 论文结构安排 | 第33-35页 |
第二章 向量框架下基于加权高斯核退化模型的盲复原算法 | 第35-63页 |
2.1 引言 | 第35页 |
2.2 加权高斯核模糊退化模型及算法流程 | 第35-37页 |
2.2.1 向量框架下加权高斯核模糊退化模型 | 第36页 |
2.2.2 模糊图像盲复原算法流程 | 第36-37页 |
2.3 模糊核估计 | 第37-41页 |
2.3.1 高斯核的权系数估计 | 第37-40页 |
2.3.2 模糊核精细化处理 | 第40-41页 |
2.4 解模糊算法 | 第41-52页 |
2.4.1 TVl_2模型(各向同性)解模糊算法 | 第42-44页 |
2.4.2 TVl_1模型(各向异性)解模糊算法 | 第44-45页 |
2.4.3 TVl_p模型解模糊算法 | 第45-47页 |
2.4.4 TV-L1模型解模糊算法 | 第47-48页 |
2.4.5 基于局部结构信息的总变分融合解模糊算法 | 第48-52页 |
2.5 实验结果与分析 | 第52-62页 |
2.5.1 相关参数对算法的影响 | 第52-57页 |
2.5.2 算法对比实验 | 第57-62页 |
2.6 本章小结 | 第62-63页 |
第三章 张量框架理论及张量框架下的模糊图像盲复原算法 | 第63-105页 |
3.1 引言 | 第63页 |
3.2 张量框架基本理论 | 第63-70页 |
3.2.1 传统张量框架 | 第64-67页 |
3.2.2 Kilmer张量框架 | 第67-70页 |
3.3 传统张量框架下基于加权高斯核退化模型的模糊图像盲复原 | 第70-76页 |
3.3.1 加权高斯核模糊退化模型及盲复原算法流程 | 第70-72页 |
3.3.2 基于加权高斯核退化模型的模糊核估计 | 第72-74页 |
3.3.3 基于三阶张量总变分模型的解模糊算法 | 第74-76页 |
3.4 Kilmer张量框架下基于T2DPCA的模糊核估计 | 第76-91页 |
3.4.1 线性二阶张量空间 | 第77-81页 |
3.4.2 基于T2DPCA的子空间投影 | 第81-84页 |
3.4.3 频谱白化 | 第84-86页 |
3.4.4 模糊核估计 | 第86-91页 |
3.5 实验结果与分析 | 第91-103页 |
3.5.1 传统张量框架下模糊图像盲复原算法实验 | 第91-98页 |
3.5.2 Kilmer张量框架下基于T2DPCA的模糊核估计算法实验 | 第98-103页 |
3.6 本章小结 | 第103-105页 |
第四章 Kilmer张量框架下基于t-TV张量总变分模型的模糊图像盲复原算法 | 第105-125页 |
4.1 引言 | 第105页 |
4.2 算法思想及算法流程 | 第105-109页 |
4.2.1 算法思想 | 第105-108页 |
4.2.2 算法流程 | 第108-109页 |
4.3 基于t-TV张量总变分模型的模糊核估计 | 第109-111页 |
4.3.1 Kilmer张量框架下的t-TV张量总变分模型 | 第109页 |
4.3.2 基于t-TV张量总变分模型的主边缘提取 | 第109-110页 |
4.3.3 模糊核估计 | 第110-111页 |
4.4 基于t-TV张量总变分模型的解模糊算法 | 第111-112页 |
4.5 实验结果与分析 | 第112-122页 |
4.6 本章小结 | 第122-125页 |
第五章 总结与展望 | 第125-129页 |
5.1 本文工作总结 | 第125-127页 |
5.2 工作展望 | 第127-129页 |
参考文献 | 第129-137页 |
致谢 | 第137-139页 |
攻读学位期间发表论文及科研情况 | 第139-141页 |