| 摘要 | 第1-3页 |
| Abstract | 第3-6页 |
| 第一章 引言 | 第6-13页 |
| ·图像恢复技术的背景 | 第6-7页 |
| ·研究现状 | 第7-10页 |
| ·非线性图像扩散技术 | 第7-9页 |
| ·基于变分方法的图像去噪技术 | 第9-10页 |
| ·本文的主要工作 | 第10-11页 |
| ·数字图像的一些基本性质及一些常用符号说明 | 第11-13页 |
| 第二章 非线性扩散技术 | 第13-20页 |
| ·非线性扩散和高斯卷积扩散的关系 | 第13-14页 |
| ·Perona-Malik非线性扩散模型 | 第14-17页 |
| ·Catte非线性扩散模型 | 第17-18页 |
| ·Alvarez非线性扩散模型 | 第18-20页 |
| 第三章 基于变分方法的图像去噪技术 | 第20-26页 |
| ·Rudin-Osher-Fatemi变分去噪模型 | 第20-21页 |
| ·Strong-Chan加权变分去噪模型 | 第21-22页 |
| ·Rudin-Lions-Osher去模糊去噪声变分模型 | 第22-23页 |
| ·Aubert-Vese图像复原变分模型 | 第23-26页 |
| 第四章 基于TV流的矢量图像耦合扩散模型 | 第26-37页 |
| ·TV流(Total Variation Flow)扩散及其分析 | 第26-28页 |
| ·TV流扩散模型介绍 | 第26-27页 |
| ·TV流扩散模型分析 | 第27-28页 |
| ·边缘增强流(Edge Enhancing Flow)及其分析 | 第28-31页 |
| ·基于TV流的矢量图像耦合扩散模型 | 第31-32页 |
| ·实验结果及分析 | 第32-35页 |
| ·小结 | 第35-37页 |
| 第五章 基于梯度自适应函数的变分去噪模型 | 第37-51页 |
| ·图像阶梯化产生的原因 | 第37-38页 |
| ·Bing Song自适应变分去噪模型介绍 | 第38-39页 |
| ·Bing Song自适应变分去噪模型分析 | 第39-42页 |
| ·Blomgren变分去噪模型介绍 | 第42-43页 |
| ·Blomgren变分去噪模型的优缺点分析 | 第43-44页 |
| ·改进的梯度自适应函数变分去噪模型 | 第44-45页 |
| ·实验结果及分析 | 第45-49页 |
| ·小结 | 第49-51页 |
| 第六章 总结与展望 | 第51-53页 |
| ·总结 | 第51页 |
| ·展望 | 第51-53页 |
| 参考文献 | 第53-56页 |
| 攻读学位期间的研究成果 | 第56-57页 |
| 致谢 | 第57-58页 |
