| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 符号对照表 | 第15-16页 |
| 缩略语对照表 | 第16-22页 |
| 第一章 绪论 | 第22-32页 |
| 1.1 研究背景及意义 | 第22-24页 |
| 1.2 研究进展与现状 | 第24-28页 |
| 1.3 主要内容及章节安排 | 第28-32页 |
| 第二章 图像重构技术简介 | 第32-46页 |
| 2.1 图像成像过程简介 | 第32-35页 |
| 2.2 基于稀疏表示的图像重构技术简介 | 第35-41页 |
| 2.3 基于深度学习的图像重构技术简介 | 第41-43页 |
| 2.4 本章小结 | 第43-46页 |
| 第三章 基于残差学习的马赛克和噪声同时去除方法 | 第46-70页 |
| 3.1 引言 | 第46-48页 |
| 3.2 基于残差学习的马赛克和噪声同时去除方法 | 第48-52页 |
| 3.2.1 基于稀疏表示的去马赛克方法 | 第48-49页 |
| 3.2.2 网络设计 | 第49-52页 |
| 3.3 实验结果对比与分析 | 第52-59页 |
| 3.3.1 实验设置 | 第52-54页 |
| 3.3.2 结果对比 | 第54-56页 |
| 3.3.3 计算复杂度分析 | 第56-59页 |
| 3.4 基于残差学习的图像降噪和超分辨 | 第59-68页 |
| 3.4.1 基于残差学习的图像降噪 | 第59-64页 |
| 3.4.2 基于残差学习的图像超分辨 | 第64-68页 |
| 3.5 结论 | 第68-70页 |
| 第四章 基于拉普拉斯尺度混合模型的混合噪声抑制方法 | 第70-94页 |
| 4.1 引言 | 第70-72页 |
| 4.2 基于拉普拉斯尺度混合模型的混合噪声抑制方法 | 第72-80页 |
| 4.2.1 图像退化模型 | 第72-73页 |
| 4.2.2 基于拉普拉斯尺度混合模型的噪声建模 | 第73-76页 |
| 4.2.3 基于非局部低秩模型的图像建模 | 第76-77页 |
| 4.2.4 优化求解 | 第77-80页 |
| 4.3 实验结果对比与分析 | 第80-93页 |
| 4.3.1 混合噪声抑制实验结果对比 | 第82-87页 |
| 4.3.2 高斯白噪声抑制实验结果对比 | 第87页 |
| 4.3.3 参数选取 | 第87-91页 |
| 4.3.4 运算复杂度分析 | 第91-93页 |
| 4.4 结论 | 第93-94页 |
| 第五章 实拍含噪图像的降噪处理 | 第94-106页 |
| 5.1 实拍彩色图像的降噪处理 | 第94-99页 |
| 5.1.1 基于多通道非局部低秩的实拍彩色图像降噪 | 第94-96页 |
| 5.1.2 优化求解 | 第96-97页 |
| 5.1.3 实验结果对比与分析 | 第97-99页 |
| 5.2 实拍图像的混合噪声抑制处理 | 第99-104页 |
| 5.2.1 实验结果对比与分析 | 第103-104页 |
| 5.3 结论 | 第104-106页 |
| 第六章 基于结构高斯尺度混合模型的鲁棒前景估计方法 | 第106-128页 |
| 6.1 引言 | 第106-108页 |
| 6.2 基于结构高斯尺度混合模型的前景估计 | 第108-115页 |
| 6.2.1 鲁棒主成分分析 | 第108-109页 |
| 6.2.2 基于高斯尺度混合模型的前景估计 | 第109-111页 |
| 6.2.3 基于结构高斯尺度混合模型的前景估计 | 第111-112页 |
| 6.2.4 优化求解 | 第112-115页 |
| 6.3 实验结果对比与分析 | 第115-127页 |
| 6.3.1 PITS数据集实验结果 | 第116-119页 |
| 6.3.2 CDnet数据集实验结果 | 第119-126页 |
| 6.3.3 参数选取 | 第126页 |
| 6.3.4 运算复杂度分析 | 第126-127页 |
| 6.4 结论 | 第127-128页 |
| 第七章 总结与展望 | 第128-132页 |
| 7.1 研究总结 | 第128-129页 |
| 7.2 研究展望 | 第129-132页 |
| 参考文献 | 第132-146页 |
| 致谢 | 第146-148页 |
| 作者简介 | 第148-149页 |
