基于自适应超拉普拉斯先验的图像去模糊
| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 1 绪论 | 第6-12页 |
| 1.1 研究背景与研究意义 | 第6-7页 |
| 1.2 图像去模糊问题概述 | 第7-11页 |
| 1.2.1 图像去模糊问题的分类 | 第7-8页 |
| 1.2.2 模糊图像的形成 | 第8-9页 |
| 1.2.3 图像去模糊方法的研究现状 | 第9-11页 |
| 1.3 本文主要贡献 | 第11页 |
| 1.4 论文主要内容及章节安排 | 第11-12页 |
| 2 预备知识 | 第12-19页 |
| 2.0 图像盲去模糊问题的理论知识 | 第12-14页 |
| 2.0.1 图像的先验 | 第12-13页 |
| 2.0.2 模糊核的先验 | 第13页 |
| 2.0.3 图像去模糊问题的能量函数 | 第13-14页 |
| 2.1 非盲去模糊的收缩场模型 | 第14-16页 |
| 2.2 固定点收敛的ADMM算法 | 第16-18页 |
| 2.3 本章小结 | 第18-19页 |
| 3 基于判别学习的图像盲去模糊方法 | 第19-32页 |
| 3.1 多尺度收缩场模型介绍 | 第19-20页 |
| 3.1.1 多尺度收缩场模型设计的目的 | 第19-20页 |
| 3.1.2 多尺度收缩场模型的设计思路 | 第20页 |
| 3.2 算法原理 | 第20-24页 |
| 3.2.1 基本问题 | 第20-21页 |
| 3.2.2 收缩函数 | 第21-23页 |
| 3.2.3 前向求解模型 | 第23-24页 |
| 3.3 学习模型参数 | 第24-27页 |
| 3.3.1 反向传播 | 第24-27页 |
| 3.4 实验 | 第27-31页 |
| 3.4.1 评价标准 | 第27-28页 |
| 3.4.2 实验设置 | 第28-29页 |
| 3.4.3 实验结果与分析 | 第29-31页 |
| 3.5 本章小结 | 第31-32页 |
| 4 迭代过程自适应的图像盲去模糊算法 | 第32-53页 |
| 4.1 自适应先验的图像盲去模糊方法概述 | 第32-35页 |
| 4.1.1 自适应先验的优势 | 第32-33页 |
| 4.1.2 算法的设计思路 | 第33-35页 |
| 4.2 算法步骤 | 第35-37页 |
| 4.2.1 解决一般问题的方法 | 第35页 |
| 4.2.2 自适应先验的图像去模糊算法流程 | 第35-37页 |
| 4.2.3 关于去噪器的选择 | 第37页 |
| 4.3 收敛性分析 | 第37-42页 |
| 4.3.1 估计中间层图像步骤的收敛性证明 | 第38-41页 |
| 4.3.2 算法整体框架的收敛性 | 第41-42页 |
| 4.4 实验 | 第42-51页 |
| 4.4.1 实验设置 | 第42页 |
| 4.4.2 实验结果与分析 | 第42-48页 |
| 4.4.3 实验总结 | 第48页 |
| 4.4.4 算法有效性分析 | 第48-51页 |
| 4.5 本章小结 | 第51-53页 |
| 结论 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 攻读硕士学位期间发表学术论文情况 | 第58-59页 |
| 致谢 | 第59-61页 |
