| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 研究现状 | 第10-11页 |
| 1.3 本文主要工作 | 第11-13页 |
| 1.3.1 主要研究内容 | 第11页 |
| 1.3.2 本文的组织结构 | 第11-13页 |
| 第二章 经典的图像平滑算法 | 第13-23页 |
| 2.1 双边滤波算法 | 第13-14页 |
| 2.2 加权最小二乘算法 | 第14-15页 |
| 2.3 总变分TV模型 | 第15-20页 |
| 2.3.1 经典的TV模型 | 第15-16页 |
| 2.3.2 FTVd模型概述 | 第16-20页 |
| 2.4 L_0梯度最小化算法 | 第20-22页 |
| 2.4.1 一维L_0梯度最小化模型 | 第20-21页 |
| 2.4.2 二维L_0梯度最小化模型 | 第21-22页 |
| 2.5 图像平滑的评价准则 | 第22页 |
| 2.6 本章小结 | 第22-23页 |
| 第三章 基于梯度滤波L_0梯度最小化模型的图像平滑方法 | 第23-32页 |
| 3.1 梯度滤波L_0梯度最小化的数学模型 | 第23-24页 |
| 3.2 梯度滤波L_0梯度最小化的模型求解 | 第24-25页 |
| 3.3 实验结果和分析 | 第25-31页 |
| 3.3.1 图像平滑效果测试 | 第26-28页 |
| 3.3.2 图像边缘保护效果测试 | 第28-30页 |
| 3.3.3 去除图像阶梯效应效果测试 | 第30-31页 |
| 3.4 本章小结 | 第31-32页 |
| 第四章 基于梯度滤波L_1保真的L_0梯度最小化模型的图像平滑方法 | 第32-43页 |
| 4.1 梯度滤波L_1保真的L_0梯度最小化的数学模型 | 第32-33页 |
| 4.2 梯度滤波L_1保真的L_0梯度最小化的模型求解 | 第33-35页 |
| 4.3 实验结果和分析 | 第35-42页 |
| 4.3.1 图像平滑鲁棒性效果测试 | 第35-38页 |
| 4.3.2 图像平滑效果测试 | 第38-39页 |
| 4.3.3 图像边缘保护效果测试 | 第39-40页 |
| 4.3.4 去除图像阶梯效应效果测试 | 第40-42页 |
| 4.4 本章小结 | 第42-43页 |
| 第五章 总结与展望 | 第43-45页 |
| 5.1 本文研究工作总结 | 第43-44页 |
| 5.2 工作展望 | 第44-45页 |
| 参考文献 | 第45-50页 |
| 发表论文和科研情况说明 | 第50-51页 |
| 致谢 | 第51-52页 |
