| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-24页 |
| 1.1 图像中的斑点噪声 | 第12-18页 |
| 1.1.1 SAR图像中的斑点噪声 | 第13-16页 |
| 1.1.2 超声图像中的斑点噪声 | 第16-18页 |
| 1.2 基于非线性扩散方程的图像去噪算法 | 第18-20页 |
| 1.3 图像恢复算法和深度学习 | 第20-22页 |
| 1.4 本文主要研究内容 | 第22-24页 |
| 第2章 基于非线性扩散方程的图像斑点噪声去除模型 | 第24-36页 |
| 2.1 导言 | 第24页 |
| 2.2 斑点噪声的特性 | 第24-26页 |
| 2.2.1 SAR图像斑点噪声特性 | 第24-25页 |
| 2.2.2 超声图像斑点噪声特性 | 第25-26页 |
| 2.3 基于非线性扩散方程的斑点噪声去除模型框架 | 第26-29页 |
| 2.3.1 扩散系数的构造 | 第27-28页 |
| 2.3.2 扩散源项的讨论 | 第28-29页 |
| 2.4 基于非线性扩散方程的斑点去噪模型 | 第29-35页 |
| 2.4.1 模型Ⅰ：SAR图像斑点噪声去除模型 | 第29-31页 |
| 2.4.2 模型Ⅱ：超声图像斑点噪声去除模型 | 第31-35页 |
| 2.5 本章小结 | 第35-36页 |
| 第3章 模型的理论研究 | 第36-52页 |
| 3.1 导言 | 第36页 |
| 3.2 模型Ⅰ弱解的存在性 | 第36-44页 |
| 3.3 模型Ⅰ弱解的极值原理 | 第44-46页 |
| 3.4 模型Ⅱ弱解的存在唯一性 | 第46-50页 |
| 3.5 模型Ⅱ弱解的极值原理 | 第50-51页 |
| 3.6 本章小结 | 第51-52页 |
| 第4章 数值实现和实验 | 第52-70页 |
| 4.1 导言 | 第52页 |
| 4.2 模型Ⅰ的数值格式 | 第52-55页 |
| 4.2.1 模型Ⅰ的有限差分格式 | 第52-53页 |
| 4.2.2 模型Ⅰ的FED格式 | 第53-55页 |
| 4.3 模型Ⅰ的数值实验结果 | 第55-63页 |
| 4.4 模型Ⅱ的数值格式 | 第63页 |
| 4.5 模型Ⅱ的数值实验 | 第63-69页 |
| 4.6 本章小结 | 第69-70页 |
| 第5章 基于扩散方程和深度学习的图像去噪模型 | 第70-84页 |
| 5.1 导言 | 第70页 |
| 5.2 基于扩散方程和深度学习的斑点去噪模型 | 第70-79页 |
| 5.2.1 基于混合卷积神经网络的图像斑点去噪模型 | 第70-74页 |
| 5.2.2 基于扩散方程和卷积神经网络的图像斑点去噪模型 | 第74-79页 |
| 5.3 实验结果和分析 | 第79-83页 |
| 5.4 本章小结 | 第83-84页 |
| 结论 | 第84-86页 |
| 参考文献 | 第86-94页 |
| 攻读博士学位期间发表的论文及其他成果 | 第94-96页 |
| 致谢 | 第96-97页 |
| 个人简历 | 第97页 |