| 摘要 | 第1-8页 |
| ABSTRACT | 第8-14页 |
| 第一章 绪论 | 第14-28页 |
| ·图像复原研究的背景和意义 | 第14-15页 |
| ·图像复原技术的研究现状 | 第15-24页 |
| ·基于偏微分方程的图像复原技术 | 第17-19页 |
| ·神经网络图像复原技术 | 第19-22页 |
| ·小波图像复原技术 | 第22-23页 |
| ·基于图割的图像复原技术 | 第23-24页 |
| ·论文的主要内容 | 第24-28页 |
| ·论文的组织 | 第25-26页 |
| ·论文的主要成果和创新点 | 第26-28页 |
| 第二章 基础知识 | 第28-39页 |
| ·图像复原概述 | 第28-32页 |
| ·图像复原的基本概念 | 第28-29页 |
| ·图像复原的问题模型 | 第29-32页 |
| ·有界变差函数的基本理论 | 第32-34页 |
| ·全变差图像复原技术 | 第34-39页 |
| ·全变差图像复原模型 | 第34-36页 |
| ·全变差图像复原模型的数值解法 | 第36-39页 |
| 第三章 神经网络图像复原算法研究 | 第39-82页 |
| ·引言 | 第39-41页 |
| ·神经网络图像复原算法研究现状 | 第39-40页 |
| ·基于神经网络图像复原的问题描述 | 第40-41页 |
| ·基于变分PDE的神经网络图像复原算法 | 第41-63页 |
| ·正则化项的扩散特性分析 | 第42-48页 |
| ·基于调和模型的神经网络图像复原算法 | 第48-52页 |
| ·基于全变差模型的神经网络图像复原算法 | 第52-56页 |
| ·正则化参数的选取 | 第56页 |
| ·实验结果与讨论 | 第56-63页 |
| ·基于状态连续改变的快速神经网络复原算法 | 第63-72页 |
| ·状态连续改变的神经网络复原模型 | 第64-66页 |
| ·状态连续改变的快速神经网络更新规则 | 第66-67页 |
| ·状态连续改变的快速神经网络复原算法 | 第67-70页 |
| ·仿真结果与讨论 | 第70-72页 |
| ·基于调和模型的快速神经网络复原算法 | 第72-76页 |
| ·算法描述 | 第73-74页 |
| ·仿真结果与分析 | 第74-76页 |
| ·基于调和模型的并行神经网络复原算法 | 第76-81页 |
| ·算法描述 | 第76-79页 |
| ·仿真结果与分析 | 第79-81页 |
| ·小结 | 第81-82页 |
| 第四章 小波图像复原算法研究 | 第82-95页 |
| ·引言 | 第82-83页 |
| ·小波收缩去噪与非线性扩散去噪之间的关系 | 第83-89页 |
| ·小波收缩去噪 | 第83-85页 |
| ·非线性扩散去噪 | 第85-86页 |
| ·Haar小波收缩与非线性扩散之间的关系 | 第86-88页 |
| ·仿真结果与讨论 | 第88-89页 |
| ·基于小波收缩与非线性扩散的混合去噪算法 | 第89-94页 |
| ·混合图像去噪算法 | 第90-91页 |
| ·仿真结果与讨论 | 第91-94页 |
| ·小结 | 第94-95页 |
| 第五章 图割技术在图像复原中的应用研究 | 第95-125页 |
| ·引言 | 第95-102页 |
| ·基于标号问题的能量函数表示 | 第95-99页 |
| ·基于标号问题能量函数的导出 | 第99-101页 |
| ·能量函数的优化方法 | 第101-102页 |
| ·基于图割的全变差图像去噪算法 | 第102-111页 |
| ·基于图割的全变差去噪离散模型 | 第103-104页 |
| ·基于图割的全变差图像去噪算法 | 第104-108页 |
| ·正则化参数的选取 | 第108页 |
| ·仿真结果与分析 | 第108-111页 |
| ·基于移动空间的全变差图像去噪算法 | 第111-123页 |
| ·移动空间技术 | 第112-117页 |
| ·基于交换移动空间的全变差图像去噪算法 | 第117-123页 |
| ·小结 | 第123-125页 |
| 第六章 全文总结和进一步的工作 | 第125-129页 |
| ·全文总结 | 第125-127页 |
| ·进一步的工作 | 第127-129页 |
| 致谢 | 第129-131页 |
| 参考文献 | 第131-143页 |
| 个人简历、攻读博士学位期间的科研成果、论文发表情况 | 第143-145页 |