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

基于高阶模型的图像去噪及其快速算法

摘要第2-3页
Abstract第3页
第一章 绪论第6-12页
    1.1 课题背景及其意义第6-7页
    1.2 国内外研究现状第7-10页
        1.2.1 灰度图像去噪的研究现状第7-9页
        1.2.2 彩色图像去噪的研究现状第9-10页
    1.3 论文的主要工作与章节安排第10-12页
第二章 算法基础第12-19页
    2.1 导数算子的有限差分格式第12-15页
        2.1.1 一阶导数的离散形式第12-13页
        2.1.2 二阶导数的离散形式第13-14页
        2.1.3 四阶导数的离散形式第14-15页
        2.1.4 离散差分算子的图形表示第15页
    2.2 基于FFT的分裂Bregman算法第15-19页
第三章 高阶模型及其基于FFT的分裂Bregman算法第19-47页
    3.1 高阶模型的分裂Bregman算法第19-34页
        3.1.1 TL模型的分裂Bregman算法第19-20页
        3.1.2 BH模型的分裂Bregman算法第20-21页
        3.1.3 CEP2-L~2模型的分裂Bregman算法第21-23页
        3.1.4 TVL模型的分裂Bregman算法第23页
        3.1.5 INFCON模型的分裂Bregman算法第23-24页
        3.1.6 TVBH模型的分裂Bregman算法第24-25页
        3.1.7 TGV模型的分裂Bregman算法第25-28页
        3.1.8 TC模型的分裂Bregman算法第28-31页
        3.1.9 Euler-elastic模型的分裂Bregman算法第31-34页
    3.2 数值实验第34-45页
        3.2.1 边缘保持能力的比较第34-37页
        3.2.2 光滑度保持能力的比较第37-40页
        3.2.3 对真实图像去噪能力的比较第40-44页
        3.2.4 验证基于FFT的分裂Bregman算法的高效性第44-45页
    3.3 本章小结第45-47页
第四章 彩色图像去噪的MTGV模型第47-53页
    4.1 MTGV模型的分裂Bregman算法第47-49页
    4.2 数值实验第49-52页
        4.2.1 光滑度保持能力的比较第49-50页
        4.2.2 对真实图像去噪能力的比较第50-52页
    4.3 本章小结第52-53页
第五章 总结与展望第53-54页
    5.1 本文的工作总结第53页
    5.2 今后的工作展望第53-54页
参考文献第54-59页
攻读学位期间的研究成果第59-61页
致谢第61-62页

论文共62页,点击 下载论文
上一篇:细胞减灭术联合腹腔热灌注治疗晚期卵巢癌的疗效分析
下一篇:宫颈高级别病变患者宫颈锥切术后病理升级的相关预测因素分析