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

一种基于梯度保真项的正则化P-M图像去噪方法

摘要第1-3页
ABSTRACT第3-7页
1 绪论第7-12页
   ·选题背景及目的第7-9页
     ·图像中的噪声第7-8页
     ·图像去噪的意义第8-9页
   ·基于PDE 图像去噪的发展及国内外研究现状第9-10页
     ·基于PDE 的图像去噪发展第9页
     ·基于偏微分去噪的研究现状第9-10页
   ·本文主要工作及创新之处第10-12页
2 P-M 各向异性扩散模型分析及其正则化改进第12-30页
   ·数学准备第12-15页
     ·变分原理和Euler - Lagrange方程第12-13页
     ·梯度下降流第13-15页
   ·各向同性的热扩散方程第15-16页
   ·各向异性的P-M 扩散方程第16-20页
   ·P-M 方程的行为分析第20-22页
   ·P-M 扩散模型的不足第22-26页
     ·P-M 方程的“病态性”分析第23-24页
     ·正则化P-M 方程第24-25页
     ·P-M 方程产生“阶梯效应”的原因第25-26页
   ·正则化P-M 方程数值试验第26-29页
   ·本章小结第29-30页
3 一种基于梯度保真项的低阶扩散去噪模型第30-48页
   ·基于变分原理的高阶去噪模型第30-34页
     ·四阶偏微分方程的引出第30-32页
     ·四阶偏微分方程的有限差分法第32页
     ·四阶偏微分方程的去噪实验第32-34页
   ·一种基于梯度保真项的“阶梯效应”处理方法第34-37页
     ·梯度保真约束项的引入第34-36页
     ·模型的建立第36-37页
   ·模型中扩散系数函数的选择第37-40页
   ·数值求解方法第40-41页
   ·试验结果及分析第41-47页
   ·小结第47-48页
4 总结第48-49页
   ·结论第48页
   ·展望第48-49页
致谢第49-50页
参考文献第50-53页
附录第53页

论文共53页,点击 下载论文
上一篇:基于小波分析的虹膜识别技术研究
下一篇:基于核特征融合与选择的人脸识别研究