| 摘要 | 第1-6页 |
| Abstract | 第6-12页 |
| 第1章 绪论 | 第12-25页 |
| ·课题的背景及意义 | 第12-13页 |
| ·图像反卷积算法综述 | 第13-18页 |
| ·多尺度变换域图像处理的发展现状 | 第18-23页 |
| ·图像的多尺度分析概述 | 第18-20页 |
| ·多尺度变换域统计模型概述 | 第20-23页 |
| ·论文的主要研究内容 | 第23-25页 |
| 第2章 图像反卷积技术的数学表述 | 第25-37页 |
| ·图像退化的一般模型 | 第25-27页 |
| ·常用的点扩展函数模型 | 第27-29页 |
| ·反卷积的病态性 | 第29-30页 |
| ·图像反卷积经典算法 | 第30-34页 |
| ·图像反卷积质量评价方法 | 第34-35页 |
| ·本章小结 | 第35-37页 |
| 第3章 基于小波域CHMT 模型的图像反卷积 | 第37-57页 |
| ·引言 | 第37页 |
| ·小波域隐Markov 树模型 | 第37-43页 |
| ·小波变换特性分析 | 第37-38页 |
| ·Gaussian 混合分布 | 第38-40页 |
| ·Markov 树模型 | 第40-42页 |
| ·CHMT 模型 | 第42-43页 |
| ·基于小波域CHMT 模型的图像反卷积 | 第43-48页 |
| ·算法描述 | 第43-47页 |
| ·算法实现 | 第47-48页 |
| ·仿真实验 | 第48-56页 |
| ·本章小结 | 第56-57页 |
| 第4章 基于Hopfield 神经网络的图像反卷积 | 第57-76页 |
| ·引言 | 第57-58页 |
| ·Hopfield 神经网络模型 | 第58-63页 |
| ·传统模型 | 第58-61页 |
| ·其它模型 | 第61-63页 |
| ·基于小波域HMT 模型的Hopfield 神经网络图像反卷积 | 第63-68页 |
| ·算法描述 | 第63-65页 |
| ·权值矩阵求取算法 | 第65-66页 |
| ·算法实现 | 第66-67页 |
| ·收敛性分析 | 第67-68页 |
| ·仿真实验 | 第68-75页 |
| ·本章小结 | 第75-76页 |
| 第5章 基于Contourlet 变换的图像反卷积 | 第76-96页 |
| ·引言 | 第76-77页 |
| ·Contourlet 变换 | 第77-84页 |
| ·金字塔分解 | 第77-80页 |
| ·方向滤波器组 | 第80-82页 |
| ·离散Contourlet 变换 | 第82-84页 |
| ·基于Contourlet 变换的图像反卷积 | 第84-95页 |
| ·算法实现 | 第84-87页 |
| ·仿真实验 | 第87-95页 |
| ·本章小结 | 第95-96页 |
| 结论 | 第96-98页 |
| 参考文献 | 第98-109页 |
| 攻读学位期间发表的学术论文 | 第109-111页 |
| 致谢 | 第111-112页 |
| 个人简历 | 第112页 |
