基于ι1优化模型和Bregman迭代的图像恢复算法研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-23页 |
| 1.1 课题背景及研究意义 | 第12-13页 |
| 1.2 图像恢复的模型和算法 | 第13-17页 |
| 1.3 线性化Bregman迭代法 | 第17-21页 |
| 1.4 本文的主要工作和结构 | 第21-23页 |
| 第2章 广义逆的迭代计算 | 第23-33页 |
| 2.1 引言 | 第23页 |
| 2.2 广义逆的迭代新方法 | 第23-27页 |
| 2.2.1 广义逆 | 第23-25页 |
| 2.2.2 新的迭代格式 | 第25-27页 |
| 2.3 收敛性分析 | 第27-30页 |
| 2.4 数值试验 | 第30-31页 |
| 2.5 本章小结 | 第31-33页 |
| 第3章 新的Chaotic迭代法 | 第33-58页 |
| 3.1 引言 | 第33页 |
| 3.2 新算法的提出 | 第33-35页 |
| 3.2.1 简化迭代法 | 第33-34页 |
| 3.2.2 Chaotic迭代法 | 第34-35页 |
| 3.3 收敛性分析 | 第35-42页 |
| 3.3.1 简化迭代法收敛性 | 第38-40页 |
| 3.3.2 Chaotic迭代法收敛性 | 第40-42页 |
| 3.4 数值试验 | 第42-57页 |
| 3.4.1 稀疏信号重构 | 第42-46页 |
| 3.4.2 图像去模糊 | 第46-57页 |
| 3.5 本章小结 | 第57-58页 |
| 第4章 重复加权ι_1极小化方法 | 第58-70页 |
| 4.1 引言 | 第58页 |
| 4.2 重复加权 ι_1模型 | 第58-60页 |
| 4.3 新方法的提出 | 第60-64页 |
| 4.3.1 广义软阈值算子 | 第60-62页 |
| 4.3.2 新的重复加权 ι_1极小化方法 | 第62-64页 |
| 4.4 数值试验 | 第64-68页 |
| 4.5 本章小结 | 第68-70页 |
| 第5章 线性化Bregman迭代格式的等价性 | 第70-79页 |
| 5.1 引言 | 第70页 |
| 5.2 行满秩问题 | 第70-71页 |
| 5.3 非行满秩问题 | 第71-78页 |
| 5.4 本章小结 | 第78-79页 |
| 结论 | 第79-81页 |
| 参考文献 | 第81-90页 |
| 攻读博士学位期间发表的论文及其他成果 | 第90-92页 |
| 致谢 | 第92-93页 |
| 个人简历 | 第93页 |
