基于变分偏微分方程的SAR图像去噪方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 专用术语注释表 | 第8-9页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景与意义 | 第9页 |
| 1.2 图像中的噪声 | 第9-13页 |
| 1.2.1 根据噪声与信号之间的关系分类 | 第10页 |
| 1.2.2 根据噪声的产生原因分类 | 第10-11页 |
| 1.2.3 根据噪声的概率密度函数分类 | 第11-13页 |
| 1.3 国内外研究现状 | 第13-14页 |
| 1.3.1 图像去噪研究现状 | 第13-14页 |
| 1.3.2 SAR图像去噪研究现状 | 第14页 |
| 1.4 本文主要研究工作 | 第14-15页 |
| 1.5 本文的结构安排 | 第15-16页 |
| 第二章 SAR图像去噪理论基础 | 第16-30页 |
| 2.1 SAR图像去噪问题及变分理论 | 第16-20页 |
| 2.2 经典去噪模型 | 第20-23页 |
| 2.2.1 PM模型 | 第20-21页 |
| 2.2.2 TV模型 | 第21页 |
| 2.2.3 自适应TV模型 | 第21-22页 |
| 2.2.4 YK模型 | 第22页 |
| 2.2.5 LLT模型 | 第22-23页 |
| 2.3 基于偏微分方程的SAR图像去噪模型 | 第23-25页 |
| 2.3.1 AA模型 | 第23-24页 |
| 2.3.2 SO模型 | 第24页 |
| 2.3.3 HNW模型 | 第24-25页 |
| 2.4 经典算法 | 第25-29页 |
| 2.4.1 原始对偶算法 | 第25-26页 |
| 2.4.2 Split Bregman算法 | 第26-27页 |
| 2.4.3 ADMM算法 | 第27-28页 |
| 2.4.4 AMA算法 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第三章 基于自适应全变差的乘性噪声去噪算法 | 第30-38页 |
| 3.1 去噪模型 | 第30-31页 |
| 3.2 迭代算法及收敛性分析 | 第31-33页 |
| 3.3 实验结果与分析 | 第33-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第四章 基于AMA算法的伽马噪声去噪算法 | 第38-48页 |
| 4.1 去噪模型 | 第38-39页 |
| 4.2 迭代算法及收敛性分析 | 第39-44页 |
| 4.2.1 迭代算法 | 第39-40页 |
| 4.2.2 收敛性分析 | 第40-44页 |
| 4.3 实验结果与分析 | 第44-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第五章 基于混合阶偏微分方程的变分去噪模型 | 第48-55页 |
| 5.1 引言 | 第48页 |
| 5.2 去噪模型 | 第48-49页 |
| 5.3 快速算法及收敛性分析 | 第49-50页 |
| 5.4 实验结果与分析 | 第50-53页 |
| 5.5 本章小结 | 第53-55页 |
| 第六章 总结与展望 | 第55-57页 |
| 6.1 总结 | 第55页 |
| 6.2 展望 | 第55-57页 |
| 参考文献 | 第57-60页 |
| 附录1 程序清单 | 第60-61页 |
| 附录2 攻读硕士学位期间撰写的论文 | 第61-62页 |
| 致谢 | 第62页 |
