| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第一章 绪论 | 第11-16页 |
| ·引言 | 第11-12页 |
| ·图像的概念、图像处理的变分和PDE方法 | 第12-14页 |
| ·本文的结构、主要研究内容 | 第14-16页 |
| 第二章 本文中图像处理所用到的数学知识 | 第16-23页 |
| ·图像处理的基本概念:梯度 | 第16页 |
| ·变分法的思想 | 第16-18页 |
| ·压缩感知 | 第18-19页 |
| ·互信息 | 第19页 |
| ·水平集和测地活动轮廓法(GAC) | 第19-21页 |
| ·Chan-Vese模型 | 第21-23页 |
| 第三章 压缩感知与算子分裂在图像处 理中的应用 | 第23-47页 |
| ·(A)基于L_1正则化的去噪模型 | 第24-25页 |
| ·(B)基于L_1正则化的去噪、去模糊模型 | 第25-28页 |
| ·(C)基于TV正则化的去噪模型 | 第28-32页 |
| ·(D)基于带权的TV正则化的去噪模型 | 第32-35页 |
| ·(E)基于TV正则化的去噪、去模糊模型 | 第35-36页 |
| ·(F)基于TV正则化的一般模型 | 第36-37页 |
| ·(G)基于字典及TV正则化的去噪模型 | 第37-39页 |
| ·(H)基于字典方法及TV正贝Jl化的去噪、去模糊模型 | 第39-40页 |
| ·(I)允许字典更新的去噪、去模糊(1) | 第40-42页 |
| ·(J)允许字典更新的去噪、去模糊(2) | 第42-43页 |
| ·(K)允许字典更新的去噪、去纹理 | 第43-44页 |
| ·(L)用小尺度字典进行去噪、去纹理 | 第44-47页 |
| 第四章 基于互信息的图像配准和数据融合 | 第47-59页 |
| ·基于局部互信息的图像非刚性配准 | 第48-56页 |
| ·图像融合 | 第56-59页 |
| 第五章 改进的GAC方法及其应用 | 第59-68页 |
| ·简介 | 第59页 |
| ·改进的GAC模型 | 第59-63页 |
| ·应用:千岛湖轮廓的勾勒 | 第63-66页 |
| ·结论 | 第66-68页 |
| 第六章 改进的Chan-Vese模型及其应用 | 第68-76页 |
| ·简介 | 第68页 |
| ·改进的Chan-Vese模型 | 第68-71页 |
| ·同最大似然估计分类法的比较 | 第71-73页 |
| ·应用:burn scar的勾勒 | 第73-74页 |
| ·结论 | 第74-76页 |
| 第七章 总结和未来研究展望 | 第76-79页 |
| ·总结 | 第76-77页 |
| ·未来研究展望 | 第77-79页 |
| 参考文献 | 第79-85页 |
| 致谢 | 第85-86页 |
| 博士期间论文目录 | 第86-88页 |