首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于自适应滤波和稀疏正则的图像恢复

摘要第5-7页
ABSTRACT第7-8页
符号对照表第11-12页
缩略语对照表第12-15页
第一章 绪论第15-23页
    1.1 图像恢复的研究背景及意义第15-17页
    1.2 图像恢复的研究进展及现状第17-20页
        1.2.1 图像超分辨率恢复第17-20页
        1.2.2 图像补全第20页
    1.3 论文的主要内容第20-23页
第二章 基于小波和TV的图像恢复方法基础第23-33页
    2.1 基于单正则约束的图像恢复第23-24页
    2.2 基于TV和小波约束的图像恢复方法第24-25页
    2.3 图像恢复数学建模及其优化第25-32页
        2.3.1 基于ADM的图像恢复优化求解方法第25-28页
        2.3.2 复合约束的图像复原及其优化解法第28-32页
    2.4 本章小结第32-33页
第三章 基于自适应滤波和稀疏正则化的图像超分辨率重建第33-55页
    3.1 自适应滤波算法简介第33-36页
        3.1.1 非局部均值算法第33-34页
        3.1.2 导向图滤波第34-36页
    3.2 基于自适应滤波和稀疏正则的图像超分辨重建算法第36-43页
        3.2.1 模型的建立第36-40页
        3.2.2 迭代优化子问题的求解第40-42页
        3.2.3 算法模型的求解总结第42-43页
    3.3 仿真实验及结果分析第43-54页
        3.3.1 实验仿真环境及参数设置第44页
        3.3.2 遥感图像超分辨率重建的实验仿真及结果分析第44-50页
        3.3.3 深度图像超分辨率重建的实验仿真及结果分析第50-54页
    3.4 本章小结第54-55页
第四章 基于自适应滤波和稀疏正则化的图像补全第55-69页
    4.1 图像补全的初始化第55-56页
    4.2 基于自适应滤波和稀疏正则的遥感图像补全第56-64页
        4.2.1 模型的修改及实验仿真的参数设置第56页
        4.2.2 仿真结果及其分析第56-64页
    4.3 基于自适应滤波和稀疏正则的深度图像补全第64-68页
        4.3.1 实验仿真的参数设置第64页
        4.3.2 仿真结果及其分析第64-68页
    4.4 本章小结第68-69页
第五章 总结与展望第69-73页
    5.1 本论文的工作总结第69-70页
    5.2 图像恢复的进一步展望第70-73页
参考文献第73-79页
附录第79-81页
致谢第81-83页
作者简介第83-84页

论文共84页,点击 下载论文
上一篇:基于健康人群的白质纤维参数化模型构建
下一篇:基于盲源分离的MIMO雷达侦察与识别