基于结构化稀疏的图像恢复算法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8页 |
| 1.2 研究现状 | 第8-12页 |
| 1.2.1 图像重建与恢复 | 第8-9页 |
| 1.2.2 传统稀疏算法 | 第9-10页 |
| 1.2.3 结构化稀疏算法 | 第10-12页 |
| 1.3 研究内容和结构安排 | 第12-14页 |
| 第二章 相关背景知识介绍 | 第14-21页 |
| 2.1 图像重建技术 | 第14页 |
| 2.2 图像重建的一般模型 | 第14-15页 |
| 2.3 凸优化算法 | 第15-18页 |
| 2.4 全变分模型框架 | 第18-19页 |
| 2.5 图像重建评价标准 | 第19-21页 |
| 第三章 树形小波变换模型 | 第21-32页 |
| 3.1 小波阈值模型 | 第21-22页 |
| 3.2 全变分小波树形结构模型 | 第22-23页 |
| 3.3 传统交替方向法 | 第23-24页 |
| 3.4 交替方向乘子法 | 第24-26页 |
| 3.5 实验结果和分析 | 第26-31页 |
| 3.5.1 核磁共振图像重建 | 第26-29页 |
| 3.5.2 自然图像重建 | 第29-31页 |
| 3.6 本章小结 | 第31-32页 |
| 第四章 混合全变分模型 | 第32-44页 |
| 4.1 传统全变分模型 | 第32-34页 |
| 4.1.1 梯度下降法求解全变分模型 | 第32-33页 |
| 4.1.2 交替方向法求解全变分模型 | 第33-34页 |
| 4.2 混合全变分模型 | 第34-37页 |
| 4.3 模型求解 | 第37-40页 |
| 4.3.1 布莱格曼迭代算法 | 第37页 |
| 4.3.2 分裂布莱格曼算法 | 第37-39页 |
| 4.3.3 分裂布莱格曼算法求解混合全变分模型 | 第39-40页 |
| 4.4 实验结果和分析 | 第40-43页 |
| 4.4.1 结构相似性检验函数 | 第40-41页 |
| 4.4.2 实验结果对比 | 第41-43页 |
| 4.5 本章小结 | 第43-44页 |
| 第五章 自适应字典模型 | 第44-53页 |
| 5.1 传统稀疏结构化字典模型 | 第44-45页 |
| 5.2 自适应分块字典模型 | 第45-47页 |
| 5.2.1 分块字典的设计与选取 | 第45-46页 |
| 5.2.2 自适应分块模型 | 第46-47页 |
| 5.2.3 自适应字典学习方法 | 第47页 |
| 5.3 分裂布莱格曼算法求解整体模型 | 第47-50页 |
| 5.4 实验结果和分析 | 第50-52页 |
| 5.5 本章小结 | 第52-53页 |
| 第六章 总结与展望 | 第53-55页 |
| 6.1 总结 | 第53-54页 |
| 6.2 展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第59-60页 |
| 致谢 | 第60页 |
