基于低秩结构的图像去噪方法
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题的研究背景及意义 | 第9-10页 |
| 1.2 课题的国内外研究现状 | 第10-12页 |
| 1.3 本文所研究的主要内容及结构 | 第12-15页 |
| 第二章 图像去噪相关理论基础 | 第15-21页 |
| 2.1 图像相关基本概念 | 第15-16页 |
| 2.2 图像噪声的模型和分类 | 第16-18页 |
| 2.2.1 图像的噪声 | 第16页 |
| 2.2.2 图像的噪声模型 | 第16-17页 |
| 2.2.3 图像噪声的分类 | 第17-18页 |
| 2.3 图像质量评价标准 | 第18-21页 |
| 2.3.1 主观评价标准 | 第18页 |
| 2.3.2 客观评价标准 | 第18-21页 |
| 第三章 低秩矩阵恢复相关知识概述 | 第21-29页 |
| 3.1 相关基本概念 | 第21-22页 |
| 3.2 压缩传感与矩阵秩最小化理论 | 第22-24页 |
| 3.3 低秩矩阵恢复 | 第24-25页 |
| 3.4 低秩矩阵恢复主要的优化算法 | 第25-29页 |
| 3.4.1 迭代阈值算法 | 第25-26页 |
| 3.4.2 加速近端梯度法 | 第26-27页 |
| 3.4.3 增广拉格朗日乘子法 | 第27-29页 |
| 第四章 基于图像潜在低秩结构的去噪方法 | 第29-39页 |
| 4.1 非局部均值滤波方法 | 第29-30页 |
| 4.2 旋转不变的低秩纹理 | 第30-31页 |
| 4.2.1 低秩纹理的定义 | 第30页 |
| 4.2.2 变换低秩纹理 | 第30-31页 |
| 4.3 建立矩阵低秩-稀疏分解噪声模型 | 第31-32页 |
| 4.4 快速奇异值截断方法 | 第32-34页 |
| 4.5 算法验证与结果分析 | 第34-39页 |
| 4.5.1 图像切片上的结果 | 第34-36页 |
| 4.5.2 图像整体上的结果 | 第36-37页 |
| 4.5.3 一些观察和讨论 | 第37-39页 |
| 第五章 一种高斯-脉冲混合图像噪声去除方法 | 第39-47页 |
| 5.1 方法概述 | 第39页 |
| 5.2 自适应中心加权中值滤波 | 第39-40页 |
| 5.3 建立张量低秩-稀疏分解模型 | 第40-41页 |
| 5.4 基于增广拉格朗日函数方法求解模型 | 第41-43页 |
| 5.5 算法验证与结果分析 | 第43-47页 |
| 第六章 总结 | 第47-49页 |
| 参考文献 | 第49-51页 |
| 致谢 | 第51-53页 |
| 攻读硕士期间发表的学术论文和参加的课题 | 第53页 |
