声明
摘要
第一章 绪论
1.1 模糊图像的形成
1.2 图像模糊检测研究现状
1.3 本论文的研究工作与创新
1.4 本论文的组织结构
第二章 基于高斯混合模型的模糊检测算法
2.1 短时傅里叶变换
2.1.1 δ函数
2.1.2 连续Gabor变换
2.1.3 时间-频率窗口函数
2.2 子带分解
2.3 频率分解
2.4 基于高斯混合模型的运动模糊检测
2.4.1 模糊核的构造
2.4.2 高斯形式下的贝叶斯概率模型
2.4.3 混合高斯模型下的贝叶斯概率模型
2.4.4 模糊核的选择
2.5 GrabCut算法
2.5.1 GrabCut算法用于模糊分割
2.5.2 GrabCut算法原理分析
2.6 实验结果
2.7 本章小结
第三章 多种特征结合贝叶斯分类器的模糊检测方法
3.1 算法简介
3.2 关于模糊的特征
3.2.1 图像的梯度分布
3.2.2 傅里叶频域内的频谱
3.2.3 局部滤波
3.2.4 最终的特征构建和分析
3.3 多尺度模糊检测方法
3.4 实验结果
3.5 本章小结
第四章 基于核相关特征的模糊区域检测算法
4.1 基于核相关特征的模糊区域检测算法
4.1.1 构建基于特定核的特征
4.1.2 基于特定核特征的鉴别力
4.1.3 构建候选模糊核集合
4.2 实验流程和实验方法
4.2.1 测试数据集
4.2.2 训练数据
4.3 实验结果
4.4 本章小结
第五章 对比实验分析
5.1 在数据集1上的实验分析
5.2 在数据集2上的实验分析
5.3 在数据集3上的实验分析
5.4 本章小结
第六章 总结与展望
6.1 论文总结
6.2 展望
参考文献
发表论文和参加科研情况说明
致谢