摘要 | 第5-7页 |
ABSTRACT | 第7-9页 |
第一章 绪论 | 第17-25页 |
1.1 研究背景及意义 | 第17-18页 |
1.2 研究历史及现状 | 第18-22页 |
1.3 论文主要工作和结构安排 | 第22-25页 |
第二章 正则化优化的基础知识 | 第25-41页 |
2.1 常用的数学符号和数学概念 | 第25-26页 |
2.2 最优化理论的基础知识 | 第26-30页 |
2.2.1 最优化理论的基本概念 | 第26-28页 |
2.2.2 最优化问题的分类 | 第28页 |
2.2.3 凸优化的基础知识 | 第28-30页 |
2.3 基于概率最大化的决策理论 | 第30-33页 |
2.3.1 最大化似然条件概率 | 第30-31页 |
2.3.2 最大化贝叶斯后验概率 | 第31-32页 |
2.3.3 正则化优化与最大化贝叶斯后验概率之间的联系 | 第32-33页 |
2.4 常见的优化数值算法 | 第33-41页 |
2.4.1 非凸优化中的数值算法 | 第33-35页 |
2.4.2 凸优化数值算法 | 第35-41页 |
第三章 基于组稀疏优化的JPEG量化块效应去除方法 | 第41-57页 |
3.1 引言 | 第41-42页 |
3.2 现有的量化块效应去除方法 | 第42-43页 |
3.3 JPEG量化压缩的数据保真项建模 | 第43-45页 |
3.4 基于组稀疏模型的块尺度相关性建模 | 第45-49页 |
3.5 组稀疏优化问题的数值算法设计 | 第49-51页 |
3.6 实验测试结果 | 第51-57页 |
3.6.1 实现细节 | 第51-52页 |
3.6.2 实验条件设定 | 第52页 |
3.6.3 实验结果对比 | 第52-57页 |
第四章 基于分量分解的老电影瑕疵检测方法 | 第57-75页 |
4.1 引言 | 第57页 |
4.2 现有的图像视频瑕疵检测方法 | 第57-59页 |
4.3 问题建模 | 第59-65页 |
4.3.1 空间维度上的结构+纹理分解模型 | 第60-62页 |
4.3.2 帧尺度上的低秩+稀疏分解模型 | 第62-64页 |
4.3.3 二值化判定 | 第64-65页 |
4.4 数值算法设计 | 第65-67页 |
4.5 实验测试结果 | 第67-75页 |
4.5.1 实现细节 | 第68-70页 |
4.5.2 实验条件设定 | 第70-71页 |
4.5.3 仿真数据测试结果 | 第71-72页 |
4.5.4 真实数据测试结果 | 第72-75页 |
第五章 基于内容自适应一般化总变差的图像复原方法 | 第75-93页 |
5.1 引言 | 第75-76页 |
5.2 一般化总变差模型的相关工作 | 第76-79页 |
5.3 内容自适应一般化总变差建模 | 第79-83页 |
5.3.1 传统一般化总变差的先验概率模型 | 第79-80页 |
5.3.2 基于内容自适应的改进模型 | 第80-81页 |
5.3.3 基于循环更新的参数调节策略 | 第81-83页 |
5.4 数值算法设计 | 第83-86页 |
5.5 实验测试结果 | 第86-93页 |
5.5.1 模型实现细节 | 第86-88页 |
5.5.2 实验条件设置 | 第88-89页 |
5.5.3 实验结果对比 | 第89-93页 |
第六章 基于高阶非局部总变差模型的视频复原方法 | 第93-123页 |
6.1 引言 | 第93页 |
6.2 非局部总变差模型及其相关工作 | 第93-95页 |
6.2.1 非局部总变差的泛化定义 | 第94-95页 |
6.2.2 针对视频信号的非局部总变差具体形式 | 第95页 |
6.3 高阶非局部总变差建模 | 第95-104页 |
6.3.1 传统非局部总变差模型的局限性 | 第96-97页 |
6.3.2 时空有向非局部梯度 | 第97-98页 |
6.3.3 高阶非局部总变差模型 | 第98-102页 |
6.3.4 基于内容自适应的模型改进 | 第102-103页 |
6.3.5 模型实现细节 | 第103-104页 |
6.4 数值算法设计 | 第104-109页 |
6.4.1 l_b(x)为线性平方函数 | 第105-106页 |
6.4.2 l_b(x)为示性函数的情况 | 第106-108页 |
6.4.3 针对x和p的子问题求解算法 | 第108-109页 |
6.5 实验测试 | 第109-123页 |
6.5.1 参数设定 | 第109-111页 |
6.5.2 视频去模糊问题 | 第111-113页 |
6.5.3 视频补全问题 | 第113-117页 |
6.5.4 高速视频压缩感知问题 | 第117-123页 |
第七章 总结与展望 | 第123-127页 |
7.1 文章总结 | 第123-124页 |
7.2 未来展望 | 第124-127页 |
参考文献 | 第127-133页 |
致谢 | 第133-135页 |
在读期间发表的学术论文与取得的研究成果 | 第135页 |