图像去噪中几种优化算法的相关研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 第一章 绪论 | 第15-26页 |
| 1.1 研究工作的背景与意义 | 第15-16页 |
| 1.2 图像去噪国内外研究历史与现状 | 第16-23页 |
| 1.2.1 基于排序统计的改进去噪算法 | 第18-20页 |
| 1.2.2 变分正则化的去噪算法 | 第20-22页 |
| 1.2.3 变分问题的数值解法 | 第22页 |
| 1.2.4 变分不等式的去噪应用 | 第22-23页 |
| 1.3 课题来源及研究内容 | 第23-24页 |
| 1.3.1 课题来源 | 第23页 |
| 1.3.2 课题研究内容与创新 | 第23-24页 |
| 1.4 本论文的结构安排 | 第24-26页 |
| 第二章 相关基础理论 | 第26-43页 |
| 2.1 去噪基本理论 | 第26-33页 |
| 2.1.1 噪声描述 | 第26-27页 |
| 2.1.2 噪声分类 | 第27-30页 |
| 2.1.3 去噪算法分类 | 第30-33页 |
| 2.2 排序统计去噪算法的基本理论 | 第33页 |
| 2.3 变分正则化的去噪算法的基本理论 | 第33-40页 |
| 2.3.1 变分法 | 第34页 |
| 2.3.2 基于全变分的正则化算法 | 第34-35页 |
| 2.3.3 变分的数值解法 | 第35-40页 |
| 2.4 变分不等式去噪算法的基本理论 | 第40-41页 |
| 2.5 本章小结 | 第41-43页 |
| 第三章 基于排序统计检测的变分正则化去噪算法 | 第43-65页 |
| 3.1 引言 | 第43-44页 |
| 3.2 两阶段去噪算法框架 | 第44页 |
| 3.3 加权离群点度量 | 第44-48页 |
| 3.3.1 空间离群点度量的基本概念 | 第44-45页 |
| 3.3.2 加权空间离群点度量 | 第45-48页 |
| 3.4 保边正则化优化算法 | 第48-55页 |
| 3.4.1 不适定与正则化 | 第48-50页 |
| 3.4.2 针对脉冲噪声的正则化算法 | 第50-53页 |
| 3.4.3 优化正则化项 | 第53-54页 |
| 3.4.4 最小化方法 | 第54-55页 |
| 3.5 基于排序统计检测的保边正则化去噪算法 | 第55-56页 |
| 3.6 实验结果与分析 | 第56-64页 |
| 3.6.1 步长算子效率比较 | 第56-57页 |
| 3.6.2 两阶段运算时间比较 | 第57-59页 |
| 3.6.3 算法去噪能力比较 | 第59-64页 |
| 3.7 本章小结 | 第64-65页 |
| 第四章 脉冲噪声增强检测算法 | 第65-77页 |
| 4.1 引言 | 第65页 |
| 4.2 绝对差排序统计模型基本概念 | 第65-66页 |
| 4.3 提出局部特征排序算法 | 第66-73页 |
| 4.3.1 排序统计绝对差模型分析 | 第66-67页 |
| 4.3.2 权重排序差统计度量 | 第67-70页 |
| 4.3.3 提高权重排序差统计值的可信度 | 第70-72页 |
| 4.3.4 自适应阈值 | 第72-73页 |
| 4.4 实验结果与分析 | 第73-75页 |
| 4.5 本章小结 | 第75-77页 |
| 第五章 利用修正投影算法求解自适应图像去噪问题 | 第77-93页 |
| 5.1 引言 | 第77-78页 |
| 5.2 预备知识 | 第78页 |
| 5.3 广义全变分正则化 | 第78-80页 |
| 5.4 解驱动自适应性 | 第80-81页 |
| 5.5 混合拟变分不等式理论 | 第81-85页 |
| 5.5.1 解的存在性 | 第81页 |
| 5.5.2 解的唯一性 | 第81-85页 |
| 5.6 修正投影算法 | 第85页 |
| 5.7 实验结果与分析 | 第85-92页 |
| 5.7.1 相似性对比 | 第85-87页 |
| 5.7.2 不同图片恢复结果的对比 | 第87-91页 |
| 5.7.3 扩充实验 | 第91-92页 |
| 5.8 本章小结 | 第92-93页 |
| 第六章 全文总结与展望 | 第93-96页 |
| 6.1 全文总结 | 第93-94页 |
| 6.2 后续工作展望 | 第94-96页 |
| 致谢 | 第96-97页 |
| 参考文献 | 第97-105页 |
| 攻读博士学位期间取得的成果 | 第105-106页 |
