摘要 | 第5-7页 |
ABSTRACT | 第7-8页 |
符号对照表 | 第12-13页 |
缩略语对照表 | 第13-18页 |
第一章 绪论 | 第18-26页 |
1.1 研究背景及意义 | 第18-19页 |
1.2 国内外研究现状 | 第19-24页 |
1.2.1 图像盲复原技术 | 第20-23页 |
1.2.2 图像非盲复原技术 | 第23-24页 |
1.3 本文主要研究的内容 | 第24页 |
1.4 论文章节安排 | 第24-26页 |
第二章 图像复原的理论基础 | 第26-38页 |
2.1 图像退化模型 | 第26-29页 |
2.1.1 离焦模糊降质类型 | 第27页 |
2.1.2 运动模糊降质类型 | 第27-28页 |
2.1.3 其它模糊降质类型 | 第28页 |
2.1.4 噪声数学模型 | 第28-29页 |
2.2 经典图像去卷积方法 | 第29-30页 |
2.2.1 Lucy-Richardson去卷积 | 第29页 |
2.2.2 Wiener去卷积 | 第29-30页 |
2.2.3 TV去卷积 | 第30页 |
2.3 图像复原不适定性问题 | 第30-32页 |
2.3.1 图像复原病态问题 | 第30-31页 |
2.3.2 解决方法 | 第31-32页 |
2.4 图像质量评价方法 | 第32-36页 |
2.4.1 主观评价 | 第32-33页 |
2.4.2 客观评价 | 第33-36页 |
2.5 本章小结 | 第36-38页 |
第三章 自适应刃边法离焦模糊图像盲复原 | 第38-56页 |
3.1 传统刃边法 | 第38-39页 |
3.2 改进刃边法 | 第39-44页 |
3.2.1 基于梯度准则的最优刃边图像块提取 | 第39-42页 |
3.2.2 PSF拟合过程 | 第42-43页 |
3.2.3 MTF拟合过程 | 第43-44页 |
3.3 微分图像自相关法 | 第44-45页 |
3.3.1 传统微分图像自相关方法 | 第44-45页 |
3.3.2 改进微分图像自相关方法 | 第45页 |
3.4 Hyper-Laplacian先验去卷积算法 | 第45-47页 |
3.5 实验结果 | 第47-54页 |
3.5.1 改进刃边法复原结果 | 第47-52页 |
3.5.2 改进的微分图像自相关法复原结果 | 第52-54页 |
3.6 本章小结 | 第54-56页 |
第四章 TV去卷积自适应调节正则参数 | 第56-72页 |
4.1 正则参数的重要性 | 第56-57页 |
4.2 广义拉格朗日模型用于全变分正则化问题 | 第57-60页 |
4.2.1 基本标识符 | 第58页 |
4.2.2 基于全变分问题的增广义拉格朗日模型 | 第58-60页 |
4.3 改进的ADM方法 | 第60-64页 |
4.3.1 算法求解 | 第60-62页 |
4.3.2 算法整体流程 | 第62-63页 |
4.3.3 收敛性分析 | 第63页 |
4.3.4 参数选择技巧 | 第63-64页 |
4.4 实验结果 | 第64-70页 |
4.4.1 仿真实验结果 | 第64-69页 |
4.4.2 真实拍摄图像处理结果 | 第69-70页 |
4.5 本章小结 | 第70-72页 |
第五章 基于Split Bregman的TV算法应用改进 | 第72-84页 |
5.1 TV图像算法中的核心计算模块分析 | 第72-73页 |
5.2 FFT及其改进 | 第73-76页 |
5.2.1 基于周期对称性提高计算速率 | 第74-75页 |
5.2.2 基于中心共轭对称提高计算速率 | 第75页 |
5.2.3 复杂度分析 | 第75-76页 |
5.3 实验验证 | 第76-77页 |
5.4 软件功能实现及界面展示 | 第77-81页 |
5.4.1 主要功能 | 第78-79页 |
5.4.2 界面展示 | 第79-81页 |
5.5 软件结果讨论 | 第81-83页 |
5.5.1 仿真实验结果讨论 | 第81-82页 |
5.5.2 真实模糊图像实验结果讨论 | 第82-83页 |
5.6 本章小结 | 第83-84页 |
第六章 总结与展望 | 第84-86页 |
6.1 本文工作总结 | 第84-85页 |
6.2 工作展望 | 第85-86页 |
参考文献 | 第86-92页 |
致谢 | 第92-94页 |
作者简介 | 第94-95页 |