单幅图像模糊区域可分离性研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 模糊图像的形成 | 第8-9页 |
| 1.2 图像模糊检测研究现状 | 第9-11页 |
| 1.3 本论文的研究工作与创新 | 第11页 |
| 1.4 本论文的组织结构 | 第11-13页 |
| 第二章 基于高斯混合模型的模糊检测算法 | 第13-27页 |
| 2.1 短时傅里叶变换 | 第13-15页 |
| 2.1.1 δ函数 | 第13-14页 |
| 2.1.2 连续Gabor变换 | 第14页 |
| 2.1.3 时间-频率窗口函数 | 第14-15页 |
| 2.2 子带分解 | 第15-16页 |
| 2.3 频率分解 | 第16-18页 |
| 2.4 基于高斯混合模型的运动模糊检测 | 第18-20页 |
| 2.4.1 模糊核的构造 | 第18页 |
| 2.4.2 高斯形式下的贝叶斯概率模型 | 第18-19页 |
| 2.4.3 混合高斯模型下的贝叶斯概率模型 | 第19页 |
| 2.4.4 模糊核的选择 | 第19-20页 |
| 2.5 GrabCut算法 | 第20-24页 |
| 2.5.1 GrabCut算法用于模糊分割 | 第21-22页 |
| 2.5.2 GrabCut算法原理分析 | 第22-24页 |
| 2.6 实验结果 | 第24-26页 |
| 2.7 本章小结 | 第26-27页 |
| 第三章 多种特征结合贝叶斯分类器的模糊检测方法 | 第27-37页 |
| 3.1 算法简介 | 第27页 |
| 3.2 关于模糊的特征 | 第27-34页 |
| 3.2.1 图像的梯度分布 | 第27-30页 |
| 3.2.2 傅里叶频域内的频谱 | 第30-32页 |
| 3.2.3 局部滤波 | 第32-33页 |
| 3.2.4 最终的特征构建和分析 | 第33-34页 |
| 3.3 多尺度模糊检测方法 | 第34-35页 |
| 3.4 实验结果 | 第35-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第四章 基于核相关特征的模糊区域检测算法 | 第37-47页 |
| 4.1 基于核相关特征的模糊区域检测算法 | 第37-42页 |
| 4.1.1 构建基于特定核的特征 | 第37-39页 |
| 4.1.2 基于特定核特征的鉴别力 | 第39-41页 |
| 4.1.3 构建候选模糊核集合 | 第41-42页 |
| 4.2 实验流程和实验方法 | 第42-44页 |
| 4.2.1 测试数据集 | 第42-43页 |
| 4.2.2 训练数据 | 第43-44页 |
| 4.3 实验结果 | 第44-46页 |
| 4.4 本章小结 | 第46-47页 |
| 第五章 对比实验分析 | 第47-53页 |
| 5.1 在数据集1上的实验分析 | 第47-49页 |
| 5.2 在数据集2上的实验分析 | 第49-50页 |
| 5.3 在数据集3上的实验分析 | 第50-52页 |
| 5.4 本章小结 | 第52-53页 |
| 第六章 总结与展望 | 第53-54页 |
| 6.1 论文总结 | 第53页 |
| 6.2 展望 | 第53-54页 |
| 参考文献 | 第54-59页 |
| 发表论文和参加科研情况说明 | 第59-60页 |
| 致谢 | 第60-61页 |
