| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 空间不变模糊图像复原算法研究现状 | 第11-12页 |
| 1.2.2 空间变化模糊模型研究现状 | 第12-15页 |
| 1.3 论文的难点及创新点 | 第15-16页 |
| 1.4 研究框架 | 第16-17页 |
| 第2章 理论基础研究 | 第17-27页 |
| 2.1 引言 | 第17页 |
| 2.2 图像退化模型和基础理论 | 第17-18页 |
| 2.3 点扩散函数模型 | 第18-21页 |
| 2.3.1 常见的空间不变点扩散函数模型 | 第18-19页 |
| 2.3.2 空间变化模糊模型 | 第19-21页 |
| 2.4 经典图像去模糊算法 | 第21-23页 |
| 2.4.1 逆滤波 | 第21页 |
| 2.4.2 维纳滤波 | 第21-22页 |
| 2.4.3 约束最小二乘法 | 第22-23页 |
| 2.4.4 Richardson-Lucy算法 | 第23页 |
| 2.5 图像复原质量评价 | 第23-26页 |
| 2.5.1 均方根误差(RMSE) | 第24页 |
| 2.5.2 峰值信噪比(PSNR) | 第24-25页 |
| 2.5.3 结构相似度(SSIM) | 第25-26页 |
| 2.6 本章小结 | 第26-27页 |
| 第3章 基于正则化技术的图像去模糊算法 | 第27-44页 |
| 3.1 图像复原的常用正则化算法 | 第27-31页 |
| 3.1.1 基于Tikhonov正则化图像复原算法 | 第28页 |
| 3.1.2 TV正则化图像复原算法 | 第28-30页 |
| 3.1.3 基于小波正则项的图像复原算法 | 第30-31页 |
| 3.3 图像复原中常用的快速迭代算法 | 第31-34页 |
| 3.3.1 增广拉格朗日乘子法 | 第31-32页 |
| 3.3.2 交替方向乘子法 | 第32-33页 |
| 3.3.3 ADMM算法在图像中的应用 | 第33-34页 |
| 3.4 实验与分析 | 第34-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第4章 基于ADMM迭代的空间变化模糊图像复原算法研究 | 第44-58页 |
| 4.1 引言 | 第44-45页 |
| 4.2 空间变化图像退化模型 | 第45-47页 |
| 4.2.1 空间变化模糊退化模型 | 第45页 |
| 4.2.2 模糊核的分解 | 第45-47页 |
| 4.3 基于ADMM迭代的正则化空间变化模糊复原算法 | 第47-50页 |
| 4.3.1 结合TV函数与小波域的正则化复原模型 | 第47-48页 |
| 4.3.2 基于ADMM的图像去模糊算法 | 第48-50页 |
| 4.4 实验仿真分析 | 第50-57页 |
| 4.5 本章小结 | 第57-58页 |
| 第5章 结论与展望 | 第58-60页 |
| 5.1 结论 | 第58-59页 |
| 5.2 展望 | 第59-60页 |
| 参考文献 | 第60-65页 |
| 致谢 | 第65-66页 |
| 攻读学位期间参加的科研项目和成果 | 第66页 |
