论文目录 | |
| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 第1章 绪论 | 第12-18页 |
| 1.1 课题研究的目的与意义 | 第12-13页 |
| 1.2 课题研究的国内外现状 | 第13-15页 |
| 1.2.1 运动模糊图像复原方法的国内外研究现状 | 第13页 |
| 1.2.2 分数阶微分增强算法的国内外研究现状 | 第13-14页 |
| 1.2.3 雾天图像复原算法的国内外研究现状 | 第14-15页 |
| 1.3 本文的主要内容与章节安排 | 第15-18页 |
| 第2章 图像复原的相关问题分析 | 第18-30页 |
| 2.1 图像退化和恢复的基本原理 | 第18-19页 |
| 2.2 图像退化模型 | 第19-24页 |
| 2.2.1 图像退化的通用模型 | 第19-20页 |
| 2.2.2 运动模糊图像的退化模型 | 第20-22页 |
| 2.2.3 雾天退化图像的退化模型 | 第22-24页 |
| 2.3 图像质量评价方法 | 第24-28页 |
| 2.3.1 主观评价方法 | 第24-25页 |
| 2.3.2 客观评价方法 | 第25-28页 |
| 2.3.2.1 均方误差(MSE)和峰值信噪比(PSNR) | 第25-26页 |
| 2.3.2.2 基于对数迈克尔逊对比度熵的图像质量评价 | 第26-28页 |
| 2.4 本章小结 | 第28-30页 |
| 第3章 基于改进的参数估计方法的运动模糊图像复原算法 | 第30-52页 |
| 3.1 几种常用的图像恢复方法 | 第30-32页 |
| 3.1.1 逆滤波 | 第30-31页 |
| 3.1.2 维纳滤波 | 第31-32页 |
| 3.1.3 Lucy-Richardoson滤波复原 | 第32页 |
| 3.2 运动模糊图像的频谱特征分析 | 第32-34页 |
| 3.3 基于改进的Radon变换的运动参数的估计 | 第34-48页 |
| 3.3.1 Radon变换 | 第34-37页 |
| 3.3.2 基于Radon变换的运动角度估计 | 第37-39页 |
| 3.3.2.1 算法流程 | 第37页 |
| 3.3.2.2 实验结果与分析 | 第37-39页 |
| 3.3.3 改进的基于分块二值化的运动方向估计方法 | 第39-45页 |
| 3.3.3.1 算法流程 | 第39-41页 |
| 3.3.3.2 实验结果与分析 | 第41-45页 |
| 3.3.4 基于微分自相关的运动模糊尺度鉴别 | 第45-48页 |
| 3.3.4.1 运动模糊图像的尺度估计的算法流程 | 第46页 |
| 3.3.4.2 实验结果与分析 | 第46-48页 |
| 3.4 复原实验结果与分析 | 第48-51页 |
| 3.5 本章小结 | 第51-52页 |
| 第4章 基于Gabor特征与分形维数的自适应分数阶微分增强算法 | 第52-82页 |
| 4.1 引言 | 第52页 |
| 4.2 基于分数阶微分的图像增强 | 第52-59页 |
| 4.2.1 分数阶微分的定义及其滤波特性 | 第52-55页 |
| 4.2.2 分数阶微分掩膜模板的近似构造 | 第55-58页 |
| 4.2.3 实验结果与分析 | 第58-59页 |
| 4.3 基于Gabor小波的分数阶微分的自适应图像增强算法 | 第59-72页 |
| 4.3.1 Gabor小波变换 | 第60-61页 |
| 4.3.2 基于Gabor小波的纹理特征提取 | 第61-64页 |
| 4.3.3 基于LogAMEE的最优参数选取 | 第64-68页 |
| 4.3.3.1 对数图像处理模型和算法 | 第64-65页 |
| 4.3.3.2 基于参数化的对数迈克尔逊对比度熵测试方法的最佳参数选取 | 第65-68页 |
| 4.3.4 基于Gabor特征的自适应分数阶微分的图像增强 | 第68-69页 |
| 4.3.5 实验结果与分析 | 第69-72页 |
| 4.4 基于Gabor特征与分形维数的自适应分数阶微分图像增强算法 | 第72-79页 |
| 4.4.1 分形维数的定义及特征 | 第72-73页 |
| 4.4.2 分形维数的计算以及与分数阶微分阶数的关系 | 第73-76页 |
| 4.4.3 基于Gabor特征与分形维数的自适应分数阶微分的图像增强 | 第76-78页 |
| 4.4.4 实验结果与分析 | 第78-79页 |
| 4.5 本章小结 | 第79-82页 |
| 第5章 基于优化的参数估计方法的暗原色先验信息的去雾算法 | 第82-96页 |
| 5.1 基于暗原色先验信息的雾天图像去雾算法 | 第82-89页 |
| 5.1.1 基于暗原色先验信息的雾天图像去雾算法的处理流程 | 第82-83页 |
| 5.1.2 雾天图像的参数估计 | 第83-89页 |
| 5.1.2.1 暗原色图的估计 | 第83-84页 |
| 5.1.2.2 大气光值的计算 | 第84-85页 |
| 5.1.2.3 透射率的粗略估计 | 第85-87页 |
| 5.1.2.4 透射率的精细估计 | 第87-89页 |
| 5.2 基于优化的参数估计方法的雾天图像去雾算法 | 第89-93页 |
| 5.3 实验结果与对比分析 | 第93-95页 |
| 5.4 本章小结 | 第95-96页 |
| 第6章 结论与展望 | 第96-98页 |
| 6.1 总结 | 第96页 |
| 6.2 展望 | 第96-98页 |
| 参考文献 | 第98-104页 |
| 致谢 | 第104页 |
