基于深度學(xué)習(xí)的圖像去模糊技術(shù)

第1章 緒論
1.1 研究背景及意義
1.2 圖像去模糊方法的 外研究現(xiàn)狀
1.2.1 基于傳統(tǒng)圖像處理的圖像去模糊方法
1.2.2 基于CNN的圖像去模糊方法
1.2.3 基于GAN的圖像去模糊方法
1.2.4 圖像去模糊數(shù)據(jù)集的制作
1.2.4.1 GOPRO數(shù)據(jù)集
1.2.4.2 Kohler標(biāo)準(zhǔn)數(shù)據(jù)集
1.2.4.3 Lai標(biāo)準(zhǔn)數(shù)據(jù)集
1.2.4.4 Su標(biāo)準(zhǔn)視頻序列
1.2.5 圖像去模糊方法在特定類(lèi)型圖像上的應(yīng)用
1.2.5.1 文本圖像去模糊方法與數(shù)據(jù)集制作
1.2.5.2 人臉圖像去模糊方法與數(shù)據(jù)集制作
1.3 圖像質(zhì)量評(píng)價(jià)
1.3.1 圖像主觀質(zhì)量評(píng)價(jià)方法
1.3.2 圖像客觀質(zhì)量評(píng)價(jià)方法
1.4 主要研究?jī)?nèi)容
1.5 本書(shū)章節(jié)安排
第2章 模糊圖像成像模型與深度學(xué)習(xí)基礎(chǔ)知識(shí)
2.1 模糊圖像退化模型
2.2 深度學(xué)習(xí)基礎(chǔ)知識(shí)
2.2.1 深度學(xué)習(xí)概述
2.2.2 網(wǎng)絡(luò)的反向傳播
2.2.3 深度學(xué)習(xí)優(yōu)化算法
2.2.4 卷積層
2.2.5 卷積神經(jīng)網(wǎng)絡(luò)
2.2.6 反卷積層
2.2.7 非線(xiàn)性激活函數(shù)
2.3 經(jīng)典卷積網(wǎng)絡(luò)模型結(jié)構(gòu)
2.3.1 LeNet
2.3.2 AlexNet
2.3.3 VGGNet模型與感知特征
2.3.4 殘差模塊
2.3.5 DenseNet網(wǎng)絡(luò)
2.3.6 Inception網(wǎng)絡(luò)
2.4 生成對(duì)抗網(wǎng)絡(luò)與圖像去模糊
2.4.1生成對(duì)抗網(wǎng)絡(luò)的框架2.4.2生成對(duì)抗網(wǎng)絡(luò)的演變
2.4.3 生成對(duì)抗網(wǎng)絡(luò)的應(yīng)用
第3章 基于生成對(duì)抗網(wǎng)絡(luò)的圖像去模糊
3.1 基于感知特征和多尺度網(wǎng)絡(luò)的圖像去模糊
3.1.1 網(wǎng)絡(luò)結(jié)構(gòu)
3.1.1.1 生成網(wǎng)絡(luò)結(jié)構(gòu)
3.1.1.2 判別網(wǎng)絡(luò)結(jié)構(gòu)
3.1.2 目標(biāo)損失函數(shù)
3.1.3 實(shí)驗(yàn)過(guò)程及結(jié)果分析
3.1.3.1 合成模糊圖像的比較實(shí)驗(yàn)
3.1.3.2 真實(shí)模糊圖像的比較實(shí)驗(yàn)
3.1.4 單尺度生成網(wǎng)絡(luò)和多尺度生成網(wǎng)絡(luò)消融對(duì)比實(shí)驗(yàn)
3.1.5 生成網(wǎng)絡(luò)目標(biāo)損失函數(shù)消融對(duì)比實(shí)驗(yàn)