| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 引言 | 第8-9页 |
| 1.2 Rician噪声问题简介 | 第9页 |
| 1.3 Rician噪声图像恢复的几个经典模型 | 第9-12页 |
| 1.3.1 MAP模型 | 第9-11页 |
| 1.3.2 Getreuer’s模型 | 第11页 |
| 1.3.3 Chen’s模型 | 第11-12页 |
| 1.4 研究意义和内容结构 | 第12-14页 |
| 1.4.1 研究意义 | 第12页 |
| 1.4.2 主要内容及结构 | 第12-14页 |
| 第二章 相关理论和算法简介 | 第14-21页 |
| 2.1 K-SVD算法 | 第14-15页 |
| 2.1.1 基于图像块的稀疏表示 | 第14页 |
| 2.1.2 字典学习过程 | 第14-15页 |
| 2.2 逼近算法 | 第15-17页 |
| 2.2.1 逼近算子的定义 | 第15-16页 |
| 2.2.2 子梯度 | 第16页 |
| 2.2.3 范数的逼近算子 | 第16-17页 |
| 2.3 乘子交替方向法 | 第17-20页 |
| 2.3.1 ADMM算法的一般模型 | 第17-18页 |
| 2.3.2 最优化条件和停止标准 | 第18-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第三章 基于ADMM的Rician噪声图像恢复研究 | 第21-37页 |
| 3.1 引言 | 第21页 |
| 3.2 基于ADMM方法的Rician噪声去除研究 | 第21-24页 |
| 3.3 ADMM收敛性证明 | 第24-32页 |
| 3.4 实验结果 | 第32-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第四章 基于稀疏表示特征的Rician噪声图像恢复研究 | 第37-55页 |
| 4.1 引言 | 第37页 |
| 4.2 Rician噪声去除的新模型及求解 | 第37-40页 |
| 4.2.1 变量的求解 | 第39页 |
| 4.2.2 变量的求解 | 第39-40页 |
| 4.3 同时去除Rician噪声和图像模糊 | 第40-43页 |
| 4.3.1 变量的子优化问题 | 第41-42页 |
| 4.3.2 变量的子优化问题 | 第42页 |
| 4.3.3 变量的子优化问题 | 第42-43页 |
| 4.4 实验结果 | 第43-54页 |
| 4.4.1 图像去噪效果 | 第43-50页 |
| 4.4.2 同时对图像进行去噪和去模糊的效果 | 第50-54页 |
| 4.5 本章小结 | 第54-55页 |
| 第五章 总结与展望 | 第55-57页 |
| 5.1 总结 | 第55页 |
| 5.2 展望 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-62页 |
| 攻读硕士学位期间的研究成果 | 第62页 |
