基于Hessian矩阵范数的正则化方法在图像恢复中的应用研究
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 引言 | 第6-12页 |
| 1.1 研究背景及意义 | 第6-7页 |
| 1.2 数字图像的概述 | 第7-9页 |
| 1.3 图像退化 | 第9-10页 |
| 1.4 图像恢复 | 第10-11页 |
| 1.4.1 概述 | 第10-11页 |
| 1.5 本文的主要工作与内容安排 | 第11-12页 |
| 第二章 图像恢复的理论基础 | 第12-20页 |
| 2.1 Hessian 矩阵 | 第12-13页 |
| 2.2 变分和偏微分方程方法 | 第13-16页 |
| 2.2.1 偏微分方程方法 | 第13-14页 |
| 2.2.2 变分法 | 第14-16页 |
| 2.3 图像恢复的评价标准 | 第16-18页 |
| 2.3.1 主观评价标准 | 第17页 |
| 2.3.2 客观评价标准 | 第17-18页 |
| 2.4 本章小结 | 第18-20页 |
| 第三章 经典的图像恢复算法 | 第20-28页 |
| 3.1 逆滤波和维纳滤波 | 第20-22页 |
| 3.2 空域滤波恢复方法 | 第22页 |
| 3.3 频域滤波的复原 | 第22-23页 |
| 3.4 TV 恢复模型 | 第23-27页 |
| 3.5 本章小结 | 第27-28页 |
| 第四章 Hessian 正则化算法的相关研究 | 第28-42页 |
| 4.1 概述 | 第28-29页 |
| 4.2 基于 Hessian 矩阵的图像恢复方法 | 第29-33页 |
| 4.2.1 问题的提出 | 第29-30页 |
| 4.2.2 模型的建立 | 第30-32页 |
| 4.2.3 Hessian 矩阵的两个范数的分析 | 第32-33页 |
| 4.3 模型的求解 | 第33-38页 |
| 4.3.1 模型的离散化 | 第33页 |
| 4.3.2 基于二次上界的 MM 算法 | 第33-36页 |
| 4.3.3 PCG 方法 | 第36-37页 |
| 4.3.4 迭代加权最小二乘法 | 第37-38页 |
| 4.4 实验结果及分析 | 第38-41页 |
| 4.5 本章小结 | 第41-42页 |
| 第五章 总结与展望 | 第42-44页 |
| 5.1 本文工作总结 | 第42页 |
| 5.2 相关工作展望 | 第42-44页 |
| 致谢 | 第44-46页 |
| 参考文献 | 第46-50页 |
| 在读期间研究成果 | 第50-51页 |
