| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第13-23页 |
| 1.1 图像复原的研究背景及意义 | 第13页 |
| 1.2 模糊方式和噪声类型 | 第13-14页 |
| 1.3 图像复原研究现状 | 第14-21页 |
| 1.3.1 去除高斯噪声的正则化方法 | 第17-19页 |
| 1.3.2 其它类型噪声干扰的图像复原方法 | 第19-20页 |
| 1.3.3 正则参数简介 | 第20-21页 |
| 1.4 本论文的主要研究内容及结构安排 | 第21-23页 |
| 1.4.1 主要研究内容 | 第21页 |
| 1.4.2 论文结构安排 | 第21-23页 |
| 第二章 脉冲噪声下的彩色图像去模糊算法 | 第23-39页 |
| 2.1 引言 | 第23-25页 |
| 2.2 最小化模型和交替迭代算法 | 第25-28页 |
| 2.3 收敛性分析 | 第28-30页 |
| 2.4 数值实验 | 第30-38页 |
| 2.5 结论 | 第38-39页 |
| 第三章 空间适应性参数的基于高阶全变分乘性噪声去除的模型和算法 | 第39-59页 |
| 3.1 引言 | 第39-41页 |
| 3.2 问题提出 | 第41-43页 |
| 3.3 参数讨论与算法 | 第43-47页 |
| 3.3.1 参数讨论 | 第43-44页 |
| 3.3.2 乘性噪声去除的空间适应性混合高阶全变分算法 | 第44-47页 |
| 3.4 数值实验 | 第47-50页 |
| 3.4.1 与CC算法的实验比较 | 第49-50页 |
| 3.4.2 真实SAR图像去噪 | 第50页 |
| 3.5 结论 | 第50-59页 |
| 第四章 空间适应性正则参数的高阶全变分泊松图像去模糊的模型和算法 | 第59-74页 |
| 4.1 引言 | 第59-60页 |
| 4.2 复原模型与求解算法 | 第60-62页 |
| 4.3 带适应性参数的泊松图像去模糊方法 | 第62-65页 |
| 4.4 数值实验 | 第65-73页 |
| 4.4.1 均值模糊算例 | 第66-72页 |
| 4.4.2 高斯模糊算例 | 第72页 |
| 4.4.3 Moffat模糊算例 | 第72页 |
| 4.4.4 失焦模糊算例 | 第72-73页 |
| 4.5 结论 | 第73-74页 |
| 第五章 全变分重叠组稀疏正则下的图像复原模型和算法 | 第74-93页 |
| 5.1 引言 | 第74-75页 |
| 5.2 预备知识 | 第75-78页 |
| 5.2.1 全变分重叠组稀疏 | 第75-76页 |
| 5.2.2 Majorization-Mimimization方法 | 第76-78页 |
| 5.3 基于OGS-TV的图像复原算法 | 第78-80页 |
| 5.4 数值实验 | 第80-92页 |
| 5.4.1 MM方法的内迭代次数和组大小K的选择 | 第82-83页 |
| 5.4.2 比较实验 | 第83-92页 |
| 5.5 结论 | 第92-93页 |
| 第六章 基于OGS-TV正则的乘性噪声去除模型和算法 | 第93-106页 |
| 6.1 引言 | 第93页 |
| 6.2 基于OGS-TV的乘性噪声去除模型 | 第93-94页 |
| 6.3 求解算法 | 第94-96页 |
| 6.4 数值实验 | 第96-105页 |
| 6.4.1 仿真实验 | 第96-105页 |
| 6.4.2 真实SAR去噪实验 | 第105页 |
| 6.5 结论 | 第105-106页 |
| 第七章 论文总结与工作展望 | 第106-108页 |
| 7.1 论文总结 | 第106页 |
| 7.2 工作展望 | 第106-108页 |
| 致谢 | 第108-109页 |
| 参考文献 | 第109-119页 |
| 攻博期间取得的研究成果 | 第119页 |
