关联稀疏在图像恢复和边界检测中的应用
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 1 绪论 | 第9-18页 |
| ·研究背景及意义 | 第9页 |
| ·图像去噪的发展现状 | 第9-11页 |
| ·图像去模糊简介 | 第11-13页 |
| ·稀疏表示模型简介 | 第13-16页 |
| ·稀疏表示模型发展历史 | 第13-14页 |
| ·稀疏表示模型发展现状 | 第14-16页 |
| ·本文的主要工作内容及安排 | 第16-18页 |
| 2 关联稀疏算子介绍 | 第18-24页 |
| ·传统稀疏模型存在的问题 | 第18-19页 |
| ·Group Lasso模型 | 第19-20页 |
| ·Elastic net模型 | 第20-21页 |
| ·k-support范数 | 第21-23页 |
| ·k-support范数定义 | 第21-22页 |
| ·k-support范数相关概念 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 3 基于k-support范数的图像处理模型 | 第24-33页 |
| ·基于k-support范数的图像处理模型 | 第24-25页 |
| ·优化方法 | 第25-27页 |
| ·实验仿真 | 第27-32页 |
| ·本章小结 | 第32-33页 |
| 4 基于边界连续组稀疏l_∞范数的图像恢复模型 | 第33-49页 |
| ·边界连续组稀疏l_∞范数正则化算子 | 第33-34页 |
| ·组稀疏l∞范数图像恢复模型 | 第34-35页 |
| ·优化方法 | 第35-38页 |
| ·最小费用法解决子问题 | 第36-38页 |
| ·模型解决方案 | 第38页 |
| ·实验结果 | 第38-48页 |
| ·图像去噪 | 第39-43页 |
| ·图像去模糊 | 第43-48页 |
| ·本章小结 | 第48-49页 |
| 5 基于边界连续组稀疏l_2范数的图像恢复模型 | 第49-62页 |
| ·边界连续组稀疏l_2范数正则化算子 | 第49页 |
| ·边界连续组稀疏l_2范数图像恢复模型及优化 | 第49-52页 |
| ·实验仿真 | 第52-61页 |
| ·图像去噪 | 第53-57页 |
| ·图像去模糊 | 第57-61页 |
| ·本章小结 | 第61-62页 |
| 6 总结 | 第62-63页 |
| 参考文献 | 第63-69页 |
| 攻读硕士学位期间取得的成果 | 第69-70页 |
| 致谢 | 第70-72页 |
| 浙江师范大学学位论文诚信承谱书 | 第72页 |
