首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于稀疏逼近的图像解模糊与动态融合

摘要第6-8页
ABSTRACT第8-9页
目录第10-14页
表格索引第14-15页
插图索引第15-17页
主要符号对照表第17-19页
第一章 绪论第19-43页
    1.1 研究背景与意义第19-39页
        1.1.1 问题描述第20-22页
        1.1.2 空间自主操作研究现状第22-26页
        1.1.3 图像复原研究现状第26-35页
        1.1.4 多传感器图像融合研究现状第35-39页
    1.2 本文的创新点及结构安排第39-43页
        1.2.1 论文的创新点第39-41页
        1.2.2 论文结构安排第41-43页
第二章 基于稀疏逼近算子的图像解模糊第43-73页
    2.1 引言第43-47页
    2.2 基于逼近算子的凸优化第47-51页
        2.2.1 基本定义第47-48页
        2.2.2 逼近算子及加速逼近梯度算法第48-51页
    2.3 基于稀疏逼近算子的图像解模糊算法第51-57页
        2.3.1 基于稀疏逼近算子的算法框架第51-55页
        2.3.2 稀疏逼近算子性质第55-57页
        2.3.3 子问题的一个近似解第57页
    2.4 实验配置及结果第57-68页
        2.4.1 实验配置第58-59页
        2.4.2 实验 (1)-(3) 的实验结果第59-65页
        2.4.3 实验 (4)-(5) 的实验结果第65-68页
    2.5 实验结果分析与讨论第68-72页
    2.6 小结第72-73页
第三章 基于广义逼近共轭梯度的图像解模糊第73-94页
    3.1 引言第73-75页
    3.2 广义逼近共轭梯度算法框架第75-81页
        3.2.1 广义逼近算子的算法框架第75-76页
        3.2.2 广义逼近共轭梯度算法框架第76-78页
        3.2.3 GPCG 特点第78-80页
        3.2.4 子问题的一个近似解第80-81页
    3.3 广义逼近共轭梯度算法框架的收敛性第81-83页
        3.3.1 一些预先知识第81页
        3.3.2 GPCG 的收敛性第81-83页
    3.4 仿真实验及实验结果第83-92页
        3.4.1 实验配置第83页
        3.4.2 实验 (1) 基于相同正则化参数λ的实验结果第83-86页
        3.4.3 实验 (2) 在不同实验条件下的结果第86-91页
        3.4.4 实验 (3)、(4) 和 (5) 的实验结果第91-92页
    3.5 实验结果分析与讨论第92-93页
    3.6 小结第93-94页
第四章 基于广义逼近算子的空间目标形态解模糊第94-114页
    4.1 引言第94-96页
    4.2 问题描述与分析第96-97页
    4.3 基于广义逼近算子和自适应卷积核校正的图像解模糊第97-103页
        4.3.1 理论基础第97-101页
        4.3.2 算法流程第101-103页
    4.4 实验配置及结果第103-111页
        4.4.1 实验配置第103-105页
        4.4.2 Lucy Richardson(LR) 算法的解模糊结果第105-108页
        4.4.3 基于归一化稀疏度 (NSM) 的解模糊结果第108页
        4.4.4 基于变分贝叶斯理论的解模糊结果第108页
        4.4.5 基于混合高斯先验模型 (MOG) 的解模糊结果第108-110页
        4.4.6 基于增强拉格朗日法的解模糊结果第110页
        4.4.7 基于广义逼近算子和自适应卷积核校正算法的解模糊结果第110-111页
    4.5 实验结果分析与讨论第111-113页
    4.6 小结第113-114页
第五章 基于卡尔曼 -压缩感知的可分离时空动态图像融合第114-134页
    5.1 引言第114页
    5.2 静态图像融合概述第114-115页
    5.3 压缩感知理论 (Compressed Sensing, CS)第115-116页
    5.4 卡尔曼 -压缩感知理论第116-117页
    5.5 可分离时空融合方法及算法框架第117-121页
    5.6 数值实验及实验结果第121-130页
        5.6.1 实验配置第121-122页
        5.6.2 第一个图像序列的实验结果第122-125页
        5.6.3 第二个图像序列的实验结果第125页
        5.6.4 第三个图像序列的实验结果第125-130页
    5.7 实验分析与讨论第130-131页
    5.8 小结第131-134页
第六章 总结与展望第134-137页
    6.1 全文总结第134-135页
    6.2 研究展望第135-137页
        6.2.1 图像融合研究展望第135-136页
        6.2.2 图像解模糊研究展望第136-137页
附录 A 图像复原与图像融合性能指标第137-139页
    A.1 图像复原质量评估指标第137页
        A.1.1 信噪比 (Signal-Noise-Ratio, SNR)第137页
        A.1.2 峰值信噪比 (Peak signal-Noise-Ratio, PSNR)第137页
    A.2 图像融合质量评估指标第137-139页
        A.2.1 互信息 (Multual Informaton, MI)第137-138页
        A.2.2 熵 (Entropy, EN)第138页
        A.2.3 标准差 (Standard Deviation, STD)第138页
        A.2.4 总体交叉熵 (Overall Cross Entropy, OCE)第138页
        A.2.5 特征相似度 (Feature SIMilarity Index, FSIM)第138-139页
参考文献第139-163页
致谢第163-164页
攻读博士学位期间所完成的论文、技术报告和专利第164-166页
攻读博士学位期间参与的科研项目第166页

论文共166页,点击 下载论文
上一篇:CDO产品定价模型的比较研究
下一篇:条件偏好挖掘与推荐系统关键问题研究