首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于各向异性总变分和稀疏分解的图像复原方法及其应用研究

摘要第5-7页
Abstract第7-8页
1 绪论第11-22页
    1.1 课题研究的背景和意义第11-14页
    1.2 国内外研究现状第14-20页
        1.2.1 非盲复原研究现状第14-17页
        1.2.2 盲复原研究现状第17-19页
        1.2.3 图像复原技术的求解问题第19-20页
    1.3 图像复原存在的问题和本文的研究工作第20-22页
2 模糊图像复原研究的理论基础第22-34页
    2.1 模糊图像的成像和复原过程第22-24页
    2.2 图像复原的病态性特征及正则化技术第24-27页
    2.3 交叉算法和分裂布雷格曼迭代法第27-29页
        2.3.1 交叉优化算法第27-28页
        2.3.2 分裂布雷格曼算法第28-29页
    2.4 图像复原的像质评价方法第29-32页
        2.4.1 有参照图像评价方法第29-31页
        2.4.2 无参照图像评价方法第31-32页
    2.5 本章小结第32-34页
3 基于各向异性总变分的图像边缘特征复原算法第34-67页
    3.1 各向异性总变分原理第34-35页
    3.2 基于各向异性总变分的图像边缘非盲复原算法第35-57页
        3.2.1 基于各向异性总变分的图像边缘复原模型第35-36页
        3.2.2 边缘特征非盲复原离散算法第36-39页
        3.2.3 实验结果及分析第39-57页
    3.3 基于各向异性总变分的图像边缘盲复原算法第57-66页
        3.3.1 边缘特征盲复原离散算法第58-61页
        3.3.2 实验结果分析与讨论第61-66页
    3.4 本章小结第66-67页
4 基于小波框架framelet稀疏分解的图像纹理复原算法第67-115页
    4.1 图像的稀疏表达和多层性分解第67-71页
        4.1.1 小波框架framelet第67-70页
        4.1.2 图像的多层性分解第70-71页
    4.2 基于稀疏图像分解的纹理图像非盲复原算法第71-94页
        4.2.1 基于稀疏图像分解的纹理图像非盲去模糊模型第71-72页
        4.2.2 纹理图像非盲复原离散算法第72-75页
        4.2.3 实验结果分析与讨论第75-94页
    4.3 基于稀疏图像分解的图像纹理盲复原算法第94-109页
        4.3.1 基于稀疏分解的纹理图像盲复原模型第94-95页
        4.3.2 纹理图像盲复原离散算法第95-100页
        4.3.3 实验结果分析与讨论第100-109页
    4.4 与第三章算法的比较总结第109-113页
    4.5 本章小结第113-115页
5 倾斜扫描成像系统下的模糊图像复原实验研究第115-131页
    5.1 倾斜旋转扫描成像系统及其工作原理第115-118页
    5.2 倾斜旋转扫描成像系统降质原因分析第118-120页
    5.3 倾斜旋转扫描成像图像复原第120-130页
    5.4 本章小结第130-131页
6 总结与展望第131-133页
    6.1 全文总结第131页
    6.2 创新点总结第131-132页
    6.3 展望第132-133页
致谢第133-135页
参考文献第135-153页
附录1第153-155页
附录2第155页

论文共155页,点击 下载论文
上一篇:基于多视图相关投影分析的特征抽取与融合方法研究
下一篇:基于非局部低秩约束的图像压缩感知重建方法研究