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

全变分模型图像复原的一阶前向后向优化算法研究

摘要第4-5页
abstract第5-6页
专用术语注释表第9-10页
第一章 绪论第10-16页
    1.1 研究背景及意义第10-11页
    1.2 图像复原的数学模型及研究现状第11-14页
        1.2.1 图像复原模型第11-13页
        1.2.2 图像复原相关算法第13-14页
    1.3 研究内容与结构安排第14-16页
第二章 相关背景知识介绍第16-24页
    2.1 全变分模型第16-17页
    2.2 全变分图像复原模型第17页
    2.3 一般优化问题第17-21页
        2.3.1 凸优化理论第17-19页
        2.3.2 一般优化模型第19页
        2.3.3 基于梯度的算法第19-21页
    2.4 图像重建评价标准第21-23页
    2.5 本章小结第23-24页
第三章 全变分模型自适应步长加速前向后向分裂算法第24-37页
    3.1 前向后向分裂算法第24-29页
        3.1.1 前向后向分裂算法的一般框架第24-27页
        3.1.2 前向后向分裂算法的收敛性分析第27-28页
        3.1.3 混合残差停止准则第28-29页
    3.2 Borzilai-Borwein自适应谱步长算子第29-30页
    3.3 自适应步长前向后向分裂算法第30-31页
    3.4 实验结果和分析第31-36页
        3.4.1 基于全变分模型的图像修复第32-33页
        3.4.2 基于全变分模型的图像去噪第33-36页
    3.5 本章小结第36-37页
第四章 全变分模型非单调线性搜索前向后向分裂算法第37-45页
    4.1 非单调线性搜索策略第37-38页
    4.2 非单调线性搜索加速前向后向分裂算法第38-39页
    4.3 非单调线性搜索前向后向算法的收敛性验证第39-40页
    4.4 数值实验第40-44页
        4.4.1 基于全变分模型的图像修复第40-42页
        4.4.2 基于全变分模型的图像去噪第42-44页
    4.5 本章小结第44-45页
第五章 全变分模型自适应重启动加速前向后向分裂算法第45-55页
    5.1 一阶加速方法第45-48页
        5.1.1 加速近邻梯度算法第45-47页
        5.1.2 快速前向后向分裂算法第47-48页
    5.2 自适应重启动加速算子第48-49页
    5.3 自适应重启动加速前向后向分裂算法第49-50页
    5.4 实验结果与分析第50-54页
        5.4.1 基于全变分模型的图像修复第50-52页
        5.4.2 基于全变分模型的图像去噪第52-54页
    5.5 本章小结第54-55页
第六章 总结与展望第55-58页
    6.1 总结第55-56页
    6.2 展望第56-58页
参考文献第58-60页
附录1 攻读硕士学位期间撰写的论文第60-61页
致谢第61页

论文共61页,点击 下载论文
上一篇:景观生产与景观叙事--以“白蛇传”为中心
下一篇:基于数据关联与轨迹评估的多目标跟踪技术研究