基于自然图像尺度不变特性的图像增强技术研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-26页 |
| 1.1 课题背景及研究的目的和意义 | 第10-11页 |
| 1.2 现代图像恢复方法研究现状 | 第11-16页 |
| 1.2.1. 基于小波分析的图像恢复 | 第11-13页 |
| 1.2.2. 基于支持向量机的图像恢复 | 第13-14页 |
| 1.2.3. 基于神经网络的图像恢复 | 第14-16页 |
| 1.3 自然图像统计研究现状 | 第16-23页 |
| 1.3.1. 传统图像统计分析 | 第16-17页 |
| 1.3.2. 尺度不变统计特性分析 | 第17-18页 |
| 1.3.3. 非高斯边缘统计 | 第18页 |
| 1.3.4. 非高斯联合统计 | 第18-19页 |
| 1.3.5. 图像空间中新兴的统计模型 | 第19-20页 |
| 1.3.6. 图像流形建模分析 | 第20-23页 |
| 1.4 图像超分辨率研究现状 | 第23-24页 |
| 1.5 本文的主要研究内容及论文组织 | 第24-26页 |
| 第2章 图像复原及超分辨率技术分析 | 第26-40页 |
| 2.1 图像的退化模型 | 第26-28页 |
| 2.2 图像恢复技术概述 | 第28-35页 |
| 2.2.1 直接方法 | 第28-31页 |
| 2.2.2 迭代方法 | 第31-34页 |
| 2.2.3 递归方法 | 第34-35页 |
| 2.3 图像恢复正则化框架 | 第35-36页 |
| 2.4 常用正则化约束 | 第36-38页 |
| 2.5 高斯混合模型 | 第38-39页 |
| 2.6 本章小结 | 第39-40页 |
| 第3章 基于尺度不变性的高质量图像恢复 | 第40-61页 |
| 3.1 引言 | 第40-41页 |
| 3.2 多尺度图像滤波器响应分析 | 第41-44页 |
| 3.3 基于高斯混合模型(GMM)的尺度不变建模 | 第44-46页 |
| 3.4 基于尺度不变的超分辨率处理 | 第46-48页 |
| 3.5 尺度不变图像恢复算法 | 第48-53页 |
| 3.6 实验结果及分析 | 第53-60页 |
| 3.7 本章小结 | 第60-61页 |
| 第4章 基于最优滤波器的图像超分辨率 | 第61-69页 |
| 4.1 基于直方图规定化的迭代方法 | 第61-63页 |
| 4.2 基于最优滤波器的图像超分辨率 | 第63-67页 |
| 4.3 实验结果及分析 | 第67-68页 |
| 4.4 本章小结 | 第68-69页 |
| 结论 | 第69-71页 |
| 参考文献 | 第71-79页 |
| 攻读学位期间发表的论文及其它成果 | 第79-81页 |
| 致谢 | 第81页 |
