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

基于稀疏表示的图像修复算法研究

摘要第1-4页
Abstract第4-7页
第一章 绪论第7-13页
   ·本文的研究背景和意义第7-8页
   ·本文的研究现状第8-10页
     ·图像修复的研究现状第8-9页
     ·图像的稀疏表示第9-10页
   ·图像质量的评价第10-11页
   ·本文的主要研究内容和结构安排第11-13页
第二章 基于稀疏表示的图像修复的理论基础第13-29页
   ·图像修复模型的建立第13-18页
     ·图像修复的 TV 模型第15-16页
     ·变换域的变分模型第16-18页
   ·基于稀疏表示和迭代曲线波阈值的图像修补方法第18-24页
     ·偏微分方程的图像修补方法第18-20页
     ·全变差修补模型第20-21页
     ·Mumford-Shan-Euler 模型第21-23页
     ·MCA 模型第23-24页
   ·数值实验第24-29页
第三章 图像修复的迭代阈值方法第29-35页
   ·小波阈值基本知识第29-31页
     ·阈值选取第29-30页
     ·阈值函数第30-31页
   ·图像修复问题的正则化模型第31-32页
   ·图像修复问题的迭代阈值方法第32-35页
     ·迭代阈值方法第32-33页
     ·两步迭代阈值算法第33页
     ·加速迭代阈值方法第33-35页
第四章 图像修复的两步小波域加速 Landweber 迭代阈值算法第35-45页
   ·图像修复的两步小波域加速 Landweber 迭代阈值算法的提出第35-36页
   ·算法描述第36-37页
   ·图像修复的迭代阈值算法之间的联系与区别第37页
   ·数值实验及分析第37-45页
第五章 总结和展望第45-47页
   ·本文工作总结第45页
   ·本文论文的展望第45-47页
致谢第47-49页
参考文献第49-53页
在读期间研究成果第53-54页

论文共62页,点击 下载论文
上一篇:基于AAM姿态矫正和局部加权匹配的人脸识别研究
下一篇:网络信息采集及数据分析结果可视化的研究与实现