基于变分模型的图像去噪算法研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 引言 | 第11-12页 |
| 1.2 图像去噪研究现状 | 第12-14页 |
| 1.3 本文技术路线与结构 | 第14-17页 |
| 1.3.1 研究内容与创新 | 第14-15页 |
| 1.3.2 论文结构 | 第15-17页 |
| 第2章 变分模型基本原理 | 第17-27页 |
| 2.1 图像恢复模型 | 第17页 |
| 2.2 图像去噪不适定问题 | 第17-19页 |
| 2.3 变分模型基本理论 | 第19-24页 |
| 2.3.1 图像自相似性约束 | 第20-21页 |
| 2.3.2 图像稀疏先验性约束 | 第21-23页 |
| 2.3.3 图像的低秩性约束 | 第23-24页 |
| 2.4 图像质量的评价方法 | 第24-26页 |
| 2.4.1 图像主观评价方法 | 第24-25页 |
| 2.4.2 图像客观评价方法 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 基于变分模型的自然图像去噪算法 | 第27-49页 |
| 3.1 全变分模型理论 | 第27-28页 |
| 3.2 扩散的物理背景和全变分模型类型定义 | 第28-30页 |
| 3.3 TV模型求解算法的研究 | 第30-33页 |
| 3.4 TV模型不足 | 第33-34页 |
| 3.5 离散的自适应加权的四个方向全变分模型 | 第34-39页 |
| 3.5.1 图像预处理 | 第35页 |
| 3.5.2 设计自适应权衡参数 | 第35-36页 |
| 3.5.3 设计权重矩阵 | 第36-37页 |
| 3.5.4 求解Ada-4WTV模型的最优解 | 第37-39页 |
| 3.6 实验与讨论 | 第39-46页 |
| 3.6.1 模拟实验与结果 | 第39-44页 |
| 3.6.2 实际含噪图像实验与结果 | 第44-46页 |
| 3.7 本章小结 | 第46-49页 |
| 第4章 基于变分模型的高光谱图像去噪算法 | 第49-69页 |
| 4.1 高光谱图像简介 | 第49-52页 |
| 4.1.1 高光谱图像的基本概念 | 第49-50页 |
| 4.1.2 高光谱图像噪声模型 | 第50-51页 |
| 4.1.3 高光谱图像去噪技术 | 第51-52页 |
| 4.2 高光谱图像的低秩性 | 第52-55页 |
| 4.3 高光谱图像的稀疏性 | 第55-59页 |
| 4.3.1 构建噪声分类器 | 第56-57页 |
| 4.3.2 训练过完备自适应字典 | 第57-59页 |
| 4.4 构建变分模型来恢复含噪高光谱图像 | 第59-62页 |
| 4.4.1 求解变分模型 | 第60-62页 |
| 4.5 实验结果和讨论 | 第62-67页 |
| 4.5.1 模拟数据实验 | 第62-65页 |
| 4.5.2 实际数据实验 | 第65-67页 |
| 4.6 本章小结 | 第67-69页 |
| 第5章 总结与展望 | 第69-71页 |
| 5.1 工作总结 | 第69-70页 |
| 5.2 未来展望 | 第70-71页 |
| 参考文献 | 第71-77页 |
| 致谢 | 第77-79页 |
| 在读期间发表的学术论文与取得的其他研究成果 | 第79页 |
