高阶自适应变分与PDE图像去噪模型
| 致谢 | 第1-5页 |
| 摘要 | 第5-7页 |
| Abstract | 第7-11页 |
| 1 绪论 | 第11-19页 |
| ·研究背景与意义 | 第11-12页 |
| ·国内外研究现状 | 第12-15页 |
| ·变分与PDE方法去噪存在问题 | 第15页 |
| ·论文的主要研究内容 | 第15-16页 |
| ·论文的组织结构 | 第16-19页 |
| 2 变分与PDE方法图像去噪 | 第19-45页 |
| ·噪声模型 | 第19页 |
| ·变分与PDE基础 | 第19-24页 |
| ·尺度空间 | 第19-20页 |
| ·变分原理 | 第20-22页 |
| ·梯度下降法 | 第22-23页 |
| ·偏微分方程的数值解法 | 第23-24页 |
| ·二阶偏微分方程模型 | 第24-32页 |
| ·线性扩散去噪模型 | 第24-26页 |
| ·各项异性的扩散 | 第26-28页 |
| ·全变分模型 | 第28-32页 |
| ·高阶偏微分方程模型 | 第32-43页 |
| ·Y-K模型 | 第32-38页 |
| ·LLT模型 | 第38-41页 |
| ·平均曲率模型 | 第41-43页 |
| ·图像质量评价指标 | 第43-45页 |
| ·客观指标 | 第43-44页 |
| ·主观指标 | 第44-45页 |
| 3 梯度加权的高阶变分图像去噪模型 | 第45-57页 |
| ·引言 | 第45页 |
| ·高阶变分模型 | 第45-46页 |
| ·加权函数的构造 | 第46-47页 |
| ·数值格式 | 第47-48页 |
| ·实验结果分析 | 第48-53页 |
| ·模型的扩展 | 第53-56页 |
| ·结束语 | 第56-57页 |
| 4 高阶PDE模型中的松弛中值图像去噪方法 | 第57-63页 |
| ·引言 | 第57页 |
| ·本文算法 | 第57-59页 |
| ·斑点检测 | 第57页 |
| ·松弛中值滤波 | 第57-58页 |
| ·本文算法 | 第58-59页 |
| ·实验结果 | 第59-62页 |
| ·本章小结 | 第62-63页 |
| 5 全变分引导滤波图像去噪 | 第63-71页 |
| ·简介 | 第63页 |
| ·引导滤波 | 第63-64页 |
| ·全变分引导去噪算法 | 第64-65页 |
| ·全变分去噪模型 | 第64页 |
| ·全变分引导去噪算法 | 第64-65页 |
| ·全变分引导滤波性质分析 | 第65页 |
| ·实验结果 | 第65-69页 |
| ·结论 | 第69-71页 |
| 6 总结与展望 | 第71-73页 |
| ·总结 | 第71-72页 |
| ·展望 | 第72-73页 |
| 参考文献 | 第73-79页 |
| 作者简历 | 第79-81页 |
| 学位论文数据集 | 第81页 |
