离焦图像清晰区域分割方法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| ·离焦图像清晰区域分割的意义 | 第7-8页 |
| ·本文主要工作 | 第8页 |
| ·本文章节安排 | 第8-11页 |
| 第二章 离焦模糊原理介绍 | 第11-19页 |
| ·离焦模糊形成原因 | 第11-13页 |
| ·凸透镜成像情况分析 | 第11-12页 |
| ·焦点面及离焦模糊成像原因 | 第12-13页 |
| ·离焦图像的模糊模型 | 第13-15页 |
| ·图像模糊模型 | 第13-14页 |
| ·离焦模糊的点扩展函数 | 第14-15页 |
| ·基于区域的离焦模糊模型 | 第15页 |
| ·反映离焦模糊程度的特征 | 第15-19页 |
| ·离焦模糊与边缘的关系 | 第15页 |
| ·离焦模糊程度的表现特征 | 第15-19页 |
| 第三章 清晰区域的分割和排序 | 第19-43页 |
| ·离焦图像的边缘提取 | 第19-26页 |
| ·现有的边缘提取方法 | 第19-21页 |
| ·本文中边缘提取方法选择 | 第21-22页 |
| ·噪音及阈值选择 | 第22-24页 |
| ·基于最大梯度的边缘细化法则 | 第24-26页 |
| ·基于边缘最大梯度和过渡区宽度的细节区域分类 | 第26-33页 |
| ·边缘最大梯度特征规范和等级化 | 第26-28页 |
| ·细节区域分类 | 第28-33页 |
| ·基于神经网络的平坦区域分类 | 第33-38页 |
| ·平坦区域的分类准则 | 第33页 |
| ·选择神经网络的原因 | 第33-34页 |
| ·选择竞争型神经网络的原因 | 第34-35页 |
| ·基于竞争型神经网络的平坦区域分类 | 第35-38页 |
| ·基于清晰程度的区域分割 | 第38-43页 |
| ·区域的锐利分布 | 第38页 |
| ·基于人类视觉习惯的清晰区域分割 | 第38-43页 |
| 第四章 图像清晰区域分割方法的应用 | 第43-55页 |
| ·清晰区域分割方法在离焦图像复原的应用 | 第43-49页 |
| ·离焦模糊程度评估 | 第43-46页 |
| ·基于区域的离焦模糊图像复原 | 第46-49页 |
| ·清晰区域分割方法在多焦点图像融合的应用 | 第49-55页 |
| ·本文的多焦点图像融合规则 | 第49-51页 |
| ·多焦点图像融合实验结果 | 第51-55页 |
| 第五章 结论 | 第55-57页 |
| ·工作总结 | 第55页 |
| ·展望 | 第55-57页 |
| 致谢 | 第57-59页 |
| 参考文献 | 第59-65页 |
| 研究成果 | 第65-66页 |