| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-12页 |
| 1.1 SAR图像复原背景简述 | 第8-9页 |
| 1.2 医学超声图像复原背景简述 | 第9-10页 |
| 1.3 本文的主要工作及创新点 | 第10-12页 |
| 1.3.1 主要工作 | 第10-11页 |
| 1.3.2 创新点 | 第11-12页 |
| 第2章 预备知识 | 第12-17页 |
| 2.1 加性噪声复原方法 | 第12页 |
| 2.2 加性高斯噪声K-SVD方法 | 第12-14页 |
| 2.3 基于FoE图像先验的变分模型 | 第14-16页 |
| 2.4 本章小结 | 第16-17页 |
| 第3章 基于凸变分模型的SAR图像去噪去模糊算法 | 第17-33页 |
| 3.1 模型建立 | 第17-23页 |
| 3.1.1 去噪模型 | 第17-21页 |
| 3.1.2 同时去噪去模糊模型 | 第21-23页 |
| 3.2 迭代算法 | 第23-24页 |
| 3.3 数值实验与分析 | 第24-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第4章 基于学习字典和FoE模型的超声医学图像去噪模糊算法 | 第33-52页 |
| 4.1 数学模型介绍 | 第33-34页 |
| 4.2 迭代算法 | 第34-37页 |
| 4.2.1 模型(4.4)和(4.5)的稀疏先验表示 | 第34-36页 |
| 4.2.2 iPiano算法求解模型(4.9)和(4.10) | 第36-37页 |
| 4.3 数值实验与分析 | 第37-51页 |
| 4.3.1 模拟图像去噪实验 | 第40-44页 |
| 4.3.2 模拟图像去噪和去模糊实验 | 第44-49页 |
| 4.3.3 真实超声图像去噪实验 | 第49-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第5章 总结和展望 | 第52-54页 |
| 5.1 论文总结 | 第52页 |
| 5.2 后续工作展望 | 第52-54页 |
| 参考文献 | 第54-60页 |
| 致谢 | 第60-61页 |
| 攻读硕士学位期间的研究成果 | 第61页 |
