| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 图像复原课题研究背景和意义 | 第11页 |
| 1.2 图像复原的国内外研究现状 | 第11-13页 |
| 1.2.1 经典图像复原 | 第11-12页 |
| 1.2.2 基于小波域的图像复原 | 第12页 |
| 1.2.3 基于正则化的图像复原 | 第12-13页 |
| 1.3 本文的主要工作 | 第13-14页 |
| 1.4 本文的结构安排 | 第14-17页 |
| 第二章 基于稀疏表示的图像复原技术 | 第17-37页 |
| 2.1 问题描述 | 第17-20页 |
| 2.2 稀疏表示在图像处理领域的理论基础 | 第20-26页 |
| 2.2.1 稀疏表示字典 | 第22-23页 |
| 2.2.2 稀疏分解算法 | 第23-26页 |
| 2.3 基于群组稀疏表示的图像复原 | 第26-36页 |
| 2.3.1 基于非局部中心化稀疏表示的图像复原 | 第27-32页 |
| 2.3.2 基于同时稀疏表示的图像复原 | 第32-36页 |
| 2.4 本章小结 | 第36-37页 |
| 第三章 基于非局部中心化同时稀疏编码的图像复原 | 第37-57页 |
| 3.1 引言 | 第37页 |
| 3.2 自然图像的非局部中心化同时稀疏编码 | 第37-44页 |
| 3.2.1 结构化的稀疏编码噪声正则项 | 第38-39页 |
| 3.2.2 同时稀疏编码的结构化稀疏编码模型 | 第39-41页 |
| 3.2.3 自适应的正则化参数 | 第41-42页 |
| 3.2.4 基于NC-SSC的图像复原模型 | 第42-43页 |
| 3.2.5 群组稀疏与低秩模型的关系 | 第43-44页 |
| 3.3 实验验证 | 第44-53页 |
| 3.3.1 算法参数评估 | 第45-47页 |
| 3.3.2 三种应用实验结果 | 第47-53页 |
| 3.4 本章小结 | 第53-57页 |
| 第四章 基于非凸低秩逼近的图像复原 | 第57-79页 |
| 4.1 引言 | 第57页 |
| 4.2 非凸低秩逼近 | 第57-60页 |
| 4.3 基于非凸低秩逼近的图像复原 | 第60-63页 |
| 4.3.1 基于非凸低秩逼近的同时稀疏编码模型 | 第60-61页 |
| 4.3.2 自适应的正则化参数 | 第61-62页 |
| 4.3.3 图像复原建模 | 第62-63页 |
| 4.4 实验验证 | 第63-77页 |
| 4.4.1 与传统NNM算法的比较 | 第63-66页 |
| 4.4.2 三种应用实验结果 | 第66-77页 |
| 4.5 本章小结 | 第77-79页 |
| 第五章 基于张量鲁棒主成分分析的动态医学图像复原 | 第79-99页 |
| 5.1 引言 | 第79页 |
| 5.2 基于低秩张量的动态图像复原理论框架 | 第79-82页 |
| 5.3 基于张量鲁棒主成分分析的下采样dMRI图像复原建模 | 第82-84页 |
| 5.4 最优化求解方法 | 第84-91页 |
| 5.4.1 近似梯度方法 | 第84-87页 |
| 5.4.2 近似梯度法算法 | 第87-88页 |
| 5.4.3 交替线性方法 | 第88-90页 |
| 5.4.4 交替线性法算法 | 第90-91页 |
| 5.5 实验验证 | 第91-97页 |
| 5.6 本章小结 | 第97-99页 |
| 第六章 总结与展望 | 第99-103页 |
| 6.1 本文工作总结 | 第99-100页 |
| 6.2 进一步工作展望 | 第100-103页 |
| 参考文献 | 第103-113页 |
| 发表论文和参加科研情况说明 | 第113-115页 |
| 致谢 | 第115-116页 |