首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

自适应模糊图像复原方法与应用

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

论文共95页,点击 下载论文
上一篇:人为因素对高铁安全的影响研究--以某铁路局为例
下一篇:新型氮肥在不同土壤类型上的应用效果及环境效应