基于非局部稀疏的图像去噪与平滑方法研究
| 摘要 | 第1-11页 |
| ABSTRACT | 第11-14页 |
| 第1章 绪论 | 第14-35页 |
| ·研究背景及意义 | 第14-15页 |
| ·研究现状及挑战 | 第15-30页 |
| ·图像去噪 | 第15-22页 |
| ·图像平滑 | 第22-26页 |
| ·图像处理中的非局部自相似性与稀疏性 | 第26-30页 |
| ·本文主要工作和创新点 | 第30-33页 |
| ·各章节安排 | 第33-35页 |
| 第2章 基于PCA字典的自适应稀疏编码去噪 | 第35-53页 |
| ·问题描述及方法概述 | 第35-36页 |
| ·PCA字典稀疏编码模型 | 第36-43页 |
| ·背景和动机 | 第37-40页 |
| ·估计编码和标准差 | 第40-42页 |
| ·ASC-PCA模型的定义 | 第42-43页 |
| ·基于滤波的迭代收缩算法 | 第43-45页 |
| ·实验结果及比较 | 第45-50页 |
| ·高斯模型和拉普拉斯模型的讨论 | 第50-52页 |
| ·小结 | 第52-53页 |
| 第3章 基于低秩和梯度稀疏的图像平滑方法 | 第53-66页 |
| ·问题描述及方法概述 | 第53-55页 |
| ·基于低秩和梯度稀疏的图像平滑方法 | 第55-59页 |
| ·低秩约束先验 | 第55-57页 |
| ·梯度稀疏约束先验 | 第57-58页 |
| ·新模型的定义 | 第58-59页 |
| ·迭代求解 | 第59-60页 |
| ·实验结果及比较 | 第60-61页 |
| ·小结 | 第61-66页 |
| 第4章 非局部梯度聚集图像平滑方法 | 第66-80页 |
| ·问题描述及方法概述 | 第66-67页 |
| ·新模型的能量定义 | 第67-71页 |
| ·背景 | 第68页 |
| ·动机 | 第68-69页 |
| ·定义 | 第69-70页 |
| ·原理 | 第70-71页 |
| ·数值求解 | 第71-75页 |
| ·算子 | 第71-74页 |
| ·参数分析 | 第74-75页 |
| ·实验结果及比较 | 第75-76页 |
| ·小结 | 第76-80页 |
| 第5章 图像平滑在智能图像处理中的应用 | 第80-97页 |
| ·平滑方法的直接应用 | 第80-83页 |
| ·边缘检测和编辑 | 第80-82页 |
| ·细节放大 | 第82页 |
| ·图像放缩 | 第82-83页 |
| ·基于多尺度空间的显著性检测方法 | 第83-95页 |
| ·相关工作 | 第85-87页 |
| ·基于多尺度空间的显著性检测 | 第87-92页 |
| ·构造多尺度空间 | 第87-89页 |
| ·计算多尺度空间上的对比度 | 第89-90页 |
| ·利用大尺度图像指导调整显著图 | 第90-92页 |
| ·实验结果 | 第92-95页 |
| ·小结 | 第95-97页 |
| 第6章 总结与展望 | 第97-99页 |
| ·总结 | 第97-98页 |
| ·展望 | 第98-99页 |
| 参考文献 | 第99-112页 |
| 致谢 | 第112-113页 |
| 攻读学位期间发表的学术论文目录 | 第113-114页 |
| 攻读学位期间参与科研项目情况 | 第114-115页 |
| 外文论文 | 第115-160页 |
| 学位论文评阅及答辩情况表 | 第160页 |
