摘要 | 第4-5页 |
ABSTRACT | 第5页 |
第一章 绪论 | 第9-15页 |
1.1 研究背景及意义 | 第9页 |
1.2 研究现状 | 第9-12页 |
1.2.1 图像复原算法研究现状 | 第9-10页 |
1.2.2 图像增强算法研究现状 | 第10-12页 |
1.2.3 压缩感知研究现状 | 第12页 |
1.3 本文主要研究内容及章节安排 | 第12-15页 |
第二章 图像复原基本理论 | 第15-24页 |
2.1 引言 | 第15页 |
2.2 图像的退化/复原模型 | 第15-16页 |
2.3 退化函数模型 | 第16-19页 |
2.4 噪声模型 | 第19-20页 |
2.5 常见的图像复原算法 | 第20-23页 |
2.6 本章小结 | 第23-24页 |
第三章 图像增强 | 第24-38页 |
3.1 引言 | 第24页 |
3.2 传统低照度图像增强算法 | 第24-27页 |
3.2.1 灰度变换法 | 第24-25页 |
3.2.2 直方图修正 | 第25-26页 |
3.2.3 同态滤波 | 第26-27页 |
3.3 基于改进的Retinex的小波-Contourlet域图像增强算法 | 第27-33页 |
3.3.1 小波-Contourlet变换 | 第28-29页 |
3.3.2 低频系数的改进Retinex增强 | 第29-32页 |
3.3.2.1 改进的Retinex算法 | 第31页 |
3.3.2.2 截断拉伸 | 第31-32页 |
3.3.3 高频系数的非线性增强 | 第32-33页 |
3.3.3.1 阈值的选择 | 第32-33页 |
3.3.3.2 增益函数 | 第33页 |
3.4 实验结果与分析 | 第33-36页 |
3.4.1 增强结果的主观视觉评价 | 第33-36页 |
3.4.2 增强结果的客观质量评价 | 第36页 |
3.5 本章小结 | 第36-38页 |
第四章 压缩感知的基本原理 | 第38-46页 |
4.1 引言 | 第38页 |
4.2 压缩感知理论 | 第38-45页 |
4.2.1 信号的稀疏表示 | 第39-41页 |
4.2.2 信号的测量 | 第41-44页 |
4.2.2.1 约束等距性条件 | 第41-42页 |
4.2.2.2 测量矩阵的分类 | 第42-44页 |
4.2.3 信号的重构 | 第44-45页 |
4.3 本章小结 | 第45-46页 |
第五章 压缩感知与TwIST联合复原算法研究 | 第46-57页 |
5.1 引言 | 第46页 |
5.2 压缩感知理论框架下图像退化与复原模型 | 第46-47页 |
5.3 压缩感知与TwIST联合复原算法 | 第47-51页 |
5.3.1 图像的稀疏分解 | 第47-50页 |
5.3.2 压缩感知理论框架下图像复原算法 | 第50页 |
5.3.3 基于TwIST算法的信号重构 | 第50-51页 |
5.4 算法处理流程 | 第51-52页 |
5.5 实验结果与分析 | 第52-56页 |
5.5.1 复原结果的主观视觉评价 | 第52-55页 |
5.5.2 复原结果的客观质量评价 | 第55-56页 |
5.6 本章小结 | 第56-57页 |
第六章 基于压缩感知的K-SVD自适应盲复原算法 | 第57-69页 |
6.1 引言 | 第57页 |
6.2 K-SVD字典学习 | 第57-59页 |
6.3 基于压缩感知的K-SVD自适应盲复原算法 | 第59-61页 |
6.3.1 估计稀疏系数 | 第60页 |
6.3.2 更新字典 | 第60页 |
6.3.3 估计点扩散函数和复原图像 | 第60-61页 |
6.4 算法的处理流程 | 第61-62页 |
6.5 实验结果与分析 | 第62-66页 |
6.5.1 复原结果的主观视觉评价 | 第62-64页 |
6.5.2 复原结果的客观质量评价 | 第64-65页 |
6.5.3 压缩感知的SR-Q曲线 | 第65-66页 |
6.6 压缩感知的图像复原算法在低照度图像中的应用 | 第66-68页 |
6.6.1 低照度退化图像复原结果的主观评价 | 第66-67页 |
6.6.2 低照度退化图像复原结果的客观评价 | 第67-68页 |
6.7 本章小结 | 第68-69页 |
第七章 总结与展望 | 第69-71页 |
7.1 总结 | 第69页 |
7.2 展望 | 第69-71页 |
致谢 | 第71-72页 |
参考文献 | 第72-75页 |
攻读硕士学位期间的科研成果 | 第75页 |