贝叶斯框架下图像恢复及相关技术的研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第一章 绪论 | 第11-21页 |
| ·研究背景及意义 | 第11-12页 |
| ·图像恢复的研究现状 | 第12-16页 |
| ·参数估计的研究现状 | 第12-13页 |
| ·图像降噪的研究现状 | 第13-15页 |
| ·图像去模糊的研究现状 | 第15-16页 |
| ·论文的组织结构及创新 | 第16-21页 |
| ·论文的组织结构 | 第16-18页 |
| ·论文的主要创新点 | 第18-21页 |
| 第二章 图像恢复的基本理论与方法 | 第21-29页 |
| ·引言 | 第21页 |
| ·图像退化的一般模型 | 第21-25页 |
| ·常见的噪声统计模型 | 第22-24页 |
| ·常见的点扩散函数 | 第24-25页 |
| ·图像恢复的贝叶斯方法 | 第25-27页 |
| ·图像质量的客观评价标准 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 图像恢复中参数估计问题的研究 | 第29-43页 |
| ·图像恢复的经典参数估计方法 | 第29-33页 |
| ·图像恢复的贝叶斯参数估计算法 | 第33-42页 |
| ·参数及图像的先验分布 | 第33-36页 |
| ·算法的描述 | 第36-38页 |
| ·实验结果及分析 | 第38-42页 |
| ·本章小结 | 第42-43页 |
| 第四章 图像降噪及其关键技术的研究 | 第43-75页 |
| ·基于扩散技术的图像降噪 | 第43-53页 |
| ·图像扩散模型的介绍 | 第43-45页 |
| ·基于扩散技术的变分贝叶斯降噪算法 | 第45-49页 |
| ·实验结果及分析 | 第49-53页 |
| ·基于有界变分空间模型的图像降噪 | 第53-74页 |
| ·BV 空间理论及其模型 | 第53-55页 |
| ·TV 降噪模型及其数值计算 | 第55-60页 |
| ·色彩空间模型介绍 | 第60-63页 |
| ·基于混合模型和空间投影的彩色图像降噪算法 | 第63-69页 |
| ·实验结果及分析 | 第69-74页 |
| ·本章小结 | 第74-75页 |
| 第五章 图像去模糊及其关键技术的研究 | 第75-113页 |
| ·基于稀疏表示技术的图像去模糊 | 第75-86页 |
| ·信号的稀疏表示及其算法 | 第75-78页 |
| ·稀疏表示在图像恢复中的应用 | 第78-79页 |
| ·基于混合先验模型的稀疏图像去模糊算法 | 第79-83页 |
| ·实验结果及分析 | 第83-86页 |
| ·基于Sobolev 空间模型的图像去模糊 | 第86-98页 |
| ·Sobolev 空间理论及其正则模型 | 第86-88页 |
| ·调和模型的收敛性分析 | 第88-90页 |
| ·正则化技术与贝叶斯方法的统一 | 第90-91页 |
| ·基于调和模型的图像盲去模糊算法 | 第91-95页 |
| ·实验结果及分析 | 第95-98页 |
| ·多信道图像盲去模糊 | 第98-111页 |
| ·多信道图像恢复技术介绍 | 第99-100页 |
| ·盲信源分离与信道盲辨识 | 第100-103页 |
| ·基于混合模型的多信道图像盲去模糊算法 | 第103-107页 |
| ·实验结果及分析 | 第107-111页 |
| ·本章小结 | 第111-113页 |
| 总结与展望 | 第113-116页 |
| 参考文献 | 第116-128页 |
| 攻读博士学位期间取得的研究成果 | 第128-129页 |
| 致谢 | 第129页 |
