| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.3 本文研究内容及章节安排 | 第16-19页 |
| 1.3.1 本文的主要研究内容 | 第16-17页 |
| 1.3.2 本文的章节安排 | 第17-19页 |
| 第二章 图像正则化复原与稀疏重建基础 | 第19-32页 |
| 2.1 混合噪声模型 | 第19-21页 |
| 2.1.1 混合乘性-加性噪声模型 | 第19-20页 |
| 2.1.2 混合高斯泊松噪声模型 | 第20-21页 |
| 2.2 自适应全变分正则化基本理论 | 第21-23页 |
| 2.3 稀疏表示与字典学习基本理论 | 第23-27页 |
| 2.3.1 稀疏表示 | 第23-25页 |
| 2.3.2 字典学习 | 第25-26页 |
| 2.3.3 稀疏分解 | 第26-27页 |
| 2.4 图像质量评价指标 | 第27-31页 |
| 2.4.1 主观评价指标 | 第27-28页 |
| 2.4.2 客观评价指标 | 第28-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第三章 基于局部方差的自适应全变分图像复原方法 | 第32-55页 |
| 3.1 自适应全变分正则化图像复原目标函数 | 第32-34页 |
| 3.1.1 混合乘性-加性噪声下的图像复原目标函数 | 第32-33页 |
| 3.1.2 混合高斯泊松噪声下的图像复原目标函数 | 第33-34页 |
| 3.2 基于局部方差的双自适应正则化项 | 第34-37页 |
| 3.2.1 基于局部方差的图像分区方法 | 第35-36页 |
| 3.2.2 基于局部方差的双自适应全变分项 | 第36-37页 |
| 3.3 基于局部方差的自适应全变分图像复原方法 | 第37-40页 |
| 3.3.1 混合乘性-加性噪声下的自适应全变分图像复原方法 | 第37页 |
| 3.3.2 混合高斯泊松噪声下的自适应全变分图像复原方法 | 第37-40页 |
| 3.4 实验仿真及结果分析 | 第40-54页 |
| 3.4.1 实验设计 | 第40页 |
| 3.4.2 结果分析 | 第40-54页 |
| 3.5 本章小结 | 第54-55页 |
| 第四章 基于非局部信息的学习稀疏重建方法 | 第55-80页 |
| 4.1 非局部信息的相似性 | 第55-57页 |
| 4.2 基于非局部信息的学习稀疏重建目标函数 | 第57-59页 |
| 4.2.1 聚类字典学习 | 第57-58页 |
| 4.2.2 基于非局部信息的学习重建目标函数 | 第58-59页 |
| 4.3 基于非局部信息的学习稀疏重建方法 | 第59-62页 |
| 4.4 实验仿真及结果分析 | 第62-79页 |
| 4.4.1 实验设计 | 第62页 |
| 4.4.2 结果分析 | 第62-79页 |
| 4.5 本章小结 | 第79-80页 |
| 总结与展望 | 第80-82页 |
| 参考文献 | 第82-91页 |
| 攻读硕士学位期间取得的研究成果 | 第91-92页 |
| 致谢 | 第92-93页 |
| 附件 | 第93页 |
