| 摘要 | 第1-7页 |
| Abstract | 第7-19页 |
| 第一章 绪论 | 第19-31页 |
| ·研究背景及意义 | 第19-20页 |
| ·变分偏微分方程图像处理发展历史 | 第20-22页 |
| ·变分偏微分方程图像处理分类及现有的典型方法 | 第22-27页 |
| ·能量函数法——面向对象 | 第22-25页 |
| ·图像演化PDE法——面向过程 | 第25-27页 |
| ·变分偏微分方程图像处理的主要问题 | 第27页 |
| ·论文主要研究内容和结构安排 | 第27-31页 |
| 第二章 变分法基础知识 | 第31-41页 |
| ·变分问题实例 | 第31-35页 |
| ·捷线问题(最佳降线问题) | 第31-32页 |
| ·短程线问题(测地线问题) | 第32-33页 |
| ·等周问题 | 第33-34页 |
| ·悬链形状问题 | 第34-35页 |
| ·变分概念及变分基本引理 | 第35-37页 |
| ·变分概念 | 第35-36页 |
| ·变分基本引理 | 第36-37页 |
| ·变分法和Euler-Lagrange方程 | 第37-41页 |
| ·简单变分问题的Euler-Lagrange方程 | 第37-39页 |
| ·复杂变分问题的Euler-Lagrange方程 | 第39-41页 |
| 第三章 基于变分偏微分方程的图像增强 | 第41-75页 |
| ·简单的梯度场放大增强 | 第42-48页 |
| ·灰度图像对比度场和图像增强 | 第42-44页 |
| ·灰度图像的简单梯度场放大增强实验结果 | 第44-45页 |
| ·彩色图像的亮度分量增强与伪彩色映射 | 第45-47页 |
| ·彩色图像增强和伪彩色映射实验结果 | 第47-48页 |
| ·红外图像的全变差-对比度增强 | 第48-53页 |
| ·全变差-对比度增强模型 | 第48-50页 |
| ·全变差-对比度模型的求解 | 第50页 |
| ·空域微分算子的离散化实现 | 第50-51页 |
| ·全变差-对比度红外图象增强实验结果 | 第51-53页 |
| ·均值保持的最大熵直方图变换增强 | 第53-63页 |
| ·直方图变换增强 | 第53-55页 |
| ·均值保持的最大熵直方图增强 | 第55-58页 |
| ·均值保持的最大熵直方图变换增强实验结果 | 第58-63页 |
| ·精确均值保持的最平坦直方图变换增强 | 第63-72页 |
| ·均值保持最平坦直方图问题 | 第64-65页 |
| ·均值保持最平坦直方图的简化问题 | 第65-68页 |
| ·精确的直方图变换 | 第68-69页 |
| ·精确均值保持的最平坦直方图变换增强实验结果 | 第69-72页 |
| ·本章小结 | 第72-75页 |
| 第四章 基于变分偏微分方程的图像融合 | 第75-107页 |
| ·三维医学图像的一阶对比度融合算法 | 第77-84页 |
| ·多波段三维图像的对比度 | 第77-79页 |
| ·局部变化信息的单波段重构 | 第79-82页 |
| ·多波段三维医学图像融合实验结果 | 第82-84页 |
| ·基于主观对比的的图像融合算法 | 第84-90页 |
| ·单波段灰度图像的感知对比度 | 第86页 |
| ·多波段图像的主观对比度 | 第86-88页 |
| ·变分公式和梯度下降 | 第88-89页 |
| ·基于主观对比度的融合实验结果 | 第89-90页 |
| ·特征保持的一阶对比度融合 | 第90-99页 |
| ·特征保持的一阶对比度融合算法描述 | 第94-97页 |
| ·特征保持的一阶对比度融合实验结果 | 第97-99页 |
| ·基于梯度相似性的融合结果评估方法 | 第99-106页 |
| ·像素相似性度量 | 第100-101页 |
| ·图像融合的客观评估方法 | 第101-102页 |
| ·基于梯度相似性的融合评估实验结果 | 第102-106页 |
| ·本章小结 | 第106-107页 |
| 第五章 基于变分偏微分方程的图像去噪 | 第107-125页 |
| ·椒盐噪声的检测和去除 | 第107-113页 |
| ·AMF-DPVM方法回顾 | 第108-110页 |
| ·噪声数据无依赖填充的椒盐噪声去除方法 | 第110-112页 |
| ·椒盐噪声去除实验结果 | 第112-113页 |
| ·随机值冲击噪声的检测和去除 | 第113-122页 |
| ·ACWMF-DPVM和噪声图方法回顾 | 第115-117页 |
| ·当前噪声点无依赖的随机值噪声点检测与恢复 | 第117-119页 |
| ·随机值冲击噪声去除实验结果 | 第119-122页 |
| ·本章小结 | 第122-125页 |
| 第六章 基于变分偏微分方程的图像纹理/结构分解 | 第125-147页 |
| ·图像的纹理/结构变分偏微分方程分解现状 | 第126-128页 |
| ·TV-L~2去噪模型 | 第126页 |
| ·Mumford-Shah-L~2模型 | 第126-127页 |
| ·TV-G模型 | 第127-128页 |
| ·基于Mumford-Shah模型和G空间的纹理/结构分解 | 第128-133页 |
| ·Mumford-Shah-G分解算法描述 | 第128-130页 |
| ·Mumford-Shah-G分解算法实验结果 | 第130-133页 |
| ·基于纹理/结构分解的改进图像压缩算法 | 第133-140页 |
| ·纹理/结构分解和图像压缩算法 | 第134-136页 |
| ·基于纹理/结构分解的改进压缩算法实验结果 | 第136-140页 |
| ·基于边缘信息的结构图像压缩算法 | 第140-144页 |
| ·基于边缘信息的结构图像压缩算法原理 | 第141-144页 |
| ·结构图像的边缘压缩实验结果 | 第144页 |
| ·本章小结 | 第144-147页 |
| 第七章 结束语 | 第147-151页 |
| ·论文总结 | 第147-149页 |
| ·未来工作展望 | 第149-151页 |
| 参考文献 | 第151-163页 |
| 攻读学位期间成果及项目情况 | 第163-167页 |
| 致谢 | 第167页 |