| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第11-26页 |
| 1.1 研究背景与意义 | 第11-14页 |
| 1.2 图像复原概况 | 第14-21页 |
| 1.2.1 问题描述 | 第14-18页 |
| 1.2.2 国内外研究现状 | 第18-21页 |
| 1.3 恶劣天气下图像增强概况 | 第21-24页 |
| 1.3.1 问题描述 | 第21-23页 |
| 1.3.2 国内外研究现状 | 第23-24页 |
| 1.4 论文研究的主要内容 | 第24-26页 |
| 第二章 先备知识 | 第26-46页 |
| 2.1 文中常用概念及符号说明 | 第26-27页 |
| 2.2 小波框架及其图像复原模型 | 第27-35页 |
| 2.2.1 框架，紧框架，小波紧框架 | 第28-31页 |
| 2.2.2 基于小波框架的图像复原模型 | 第31-32页 |
| 2.2.3 基于小波框架的图像复原模型的数值算法 | 第32-35页 |
| 2.3 稀疏编码及字典学习概述 | 第35-46页 |
| 2.3.1 稀疏逼近模型与算法 | 第35-40页 |
| 2.3.2 字典学习方法 | 第40-46页 |
| 第三章 基于几何驱动结构稀疏性的图像复原技术 | 第46-75页 |
| 3.1 引言 | 第46-48页 |
| 3.2 相关工作 | 第48-51页 |
| 3.3 基于几何结构稀疏性的图像复原方法 | 第51-61页 |
| 3.3.1 模型的建立 | 第51-54页 |
| 3.3.2 可行域O的设计 | 第54-58页 |
| 3.3.3 模型求解 | 第58-61页 |
| 3.4 实验对比与分析 | 第61-67页 |
| 3.4.1 图像修补 | 第63-64页 |
| 3.4.2 图像去模糊 | 第64-66页 |
| 3.4.3 模型假设的验证 | 第66-67页 |
| 3.5 本章小结 | 第67-75页 |
| 第四章 基于区分性稀疏编码的图像去雨技术 | 第75-105页 |
| 4.1 引言 | 第75-77页 |
| 4.2 相关工作 | 第77-82页 |
| 4.2.1 视频去雨方法 | 第77-80页 |
| 4.2.2 图像去雨方法 | 第80-82页 |
| 4.2.3 盲信号分离相关技术 | 第82页 |
| 4.3 图像雨化模型及其合成方式 | 第82-86页 |
| 4.3.1 雨的形态分析 | 第83-84页 |
| 4.3.2 雨图的生成模型 | 第84-86页 |
| 4.4 基于区分性稀疏编码的图像去雨方法 | 第86-92页 |
| 4.4.1 基于区分性稀疏编码的图像去雨最优化模型 | 第86-88页 |
| 4.4.2 区分性稀疏编码模型求解 | 第88-92页 |
| 4.5 实验对比与分析 | 第92-98页 |
| 4.5.1 合成数据对比与分析 | 第93-96页 |
| 4.5.2 真实数据对比与分析 | 第96-98页 |
| 4.6 总结与讨论 | 第98-105页 |
| 总结与展望 | 第105-107页 |
| 参考文献 | 第107-115页 |
| 攻读博士学位期间取得的研究成果 | 第115-116页 |
| 致谢 | 第116-117页 |
| 附表 | 第117页 |