| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第一章 绪论 | 第13-24页 |
| 1.1 高维数据和图像处理反问题 | 第13-15页 |
| 1.2 结构稀疏优化算法及研究现状 | 第15-19页 |
| 1.3 学位论文的主要内容与创新点 | 第19-21页 |
| 1.4 学位论文的结构安排 | 第21-22页 |
| 1.5 常用优化算法介绍 | 第22-24页 |
| 第二章 小波框架迭代支撑集分裂Bregman算法在图像修补中的应用 | 第24-54页 |
| 2.1 引言 | 第24-26页 |
| 2.2 小波框架稀疏正则项模型 | 第26-32页 |
| 2.2.1 小波框架 | 第26-29页 |
| 2.2.2 小波框架稀疏正则项模型和分裂Bregman算法 | 第29-32页 |
| 2.3 加权的小波框架?_1正则项模型 | 第32-39页 |
| 2.3.1 分裂Bregman算法求解加权模型 | 第34-36页 |
| 2.3.2 迭代支撑集检测决定权重 | 第36-39页 |
| 2.3.3 加权模型的算法框架 | 第39页 |
| 2.4 实验结果与分析 | 第39-53页 |
| 2.5 本章小结 | 第53-54页 |
| 第三章 支撑集驱动的小波框架模型在图像去模糊中的应用 | 第54-77页 |
| 3.1 引言 | 第54-57页 |
| 3.2 小波框架和非局部块图像去模糊方法 | 第57-59页 |
| 3.2.1 小波框架?_1范数正则项模型 | 第57-58页 |
| 3.2.2 小波框架?_0范数正则项模型 | 第58页 |
| 3.2.3 小波框架逐段光滑模型 | 第58-59页 |
| 3.2.4 Cosparse解析性模型 | 第59页 |
| 3.2.5 非局部块图像复原方法 | 第59页 |
| 3.3 支撑集驱动的稀疏正则项模型和求解算法 | 第59-64页 |
| 3.3.1 支撑集检测决定 | 第60-61页 |
| 3.3.2 求解截断?_0正则项模型 | 第61-62页 |
| 3.3.3 算法总结 | 第62页 |
| 3.3.4 算法的深度分析 | 第62-64页 |
| 3.4 实验结果与分析 | 第64-76页 |
| 3.5 本章小结 | 第76-77页 |
| 第四章 小波框架图像复原方法：稀疏、非局部、支撑集先验知识 | 第77-99页 |
| 4.1 引言 | 第77-79页 |
| 4.2 小波框架图像复原模型 | 第79-82页 |
| 4.2.1 单一的?_1和?_0正则项模型 | 第79-80页 |
| 4.2.2 混合?_0-?_2正则项模型 | 第80-81页 |
| 4.2.3 截断?_0正则项模型 | 第81-82页 |
| 4.3 小波框架截断?_0-?_2正则项模型 | 第82-85页 |
| 4.4 数值实验 | 第85-98页 |
| 4.5 本章小结 | 第98-99页 |
| 第五章 截断?_0梯度正则项模型在图像光滑中的应用 | 第99-117页 |
| 5.1 引言 | 第99-101页 |
| 5.2 ?_0梯度正则项光滑模型 | 第101-103页 |
| 5.3 所提模型和求解算法 | 第103-105页 |
| 5.3.1 截断?_0梯度正则项光滑模型 | 第103-105页 |
| 5.3.2 算法的深度解析 | 第105页 |
| 5.4 数值实验 | 第105-116页 |
| 5.5 本章小结 | 第116-117页 |
| 第六章 论文总结与工作展望 | 第117-119页 |
| 6.1 全文总结 | 第117-118页 |
| 6.2 后续工作展望 | 第118-119页 |
| 致谢 | 第119-120页 |
| 参考文献 | 第120-129页 |
| 攻读博士学位期间取得的成果 | 第129页 |
