基于变分方法的图像分割和图像恢复研究
| 致谢 | 第1-6页 |
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-14页 |
| 1 绪论 | 第14-28页 |
| ·研究背景和研究意义 | 第14-18页 |
| ·图像分割 | 第15-17页 |
| ·图像恢复 | 第17-18页 |
| ·基于变分方法的模型 | 第18页 |
| ·研究现状及存在的问题 | 第18-25页 |
| ·基于变分方法的图像分割 | 第19-22页 |
| ·基于变分方法的图像恢复 | 第22-25页 |
| ·本文主要的研究内容 | 第25-26页 |
| ·论文的组织结构 | 第26-28页 |
| 2 变分模型和优化算法 | 第28-38页 |
| ·基于变分最小化的模型理论 | 第28-34页 |
| ·全变差模型 | 第28-30页 |
| ·活动轮廓模型 | 第30-33页 |
| ·图像修补 | 第33-34页 |
| ·优化算法 | 第34-36页 |
| ·原问题-对偶算法 | 第34-35页 |
| ·变量分裂算法 | 第35-36页 |
| ·本章小结 | 第36-38页 |
| 3 全局活动轮廓模型的研究 | 第38-58页 |
| ·引言 | 第38-40页 |
| ·灰度不一致图像分割 | 第40-51页 |
| ·相关工作 | 第40-43页 |
| ·基于局部统计量的全局活动轮廓模型 | 第43页 |
| ·模型设计与求解 | 第43-46页 |
| ·实验结果与分析 | 第46-51页 |
| ·基于局部直方图的全局活动轮廓模型 | 第51-57页 |
| ·特征选择 | 第51-53页 |
| ·Quadratic-Chi直方图距离 | 第53-54页 |
| ·分割模型及算法 | 第54-55页 |
| ·实验结果与分析 | 第55-57页 |
| ·本章小结 | 第57-58页 |
| 4 基于小波包分解的图像恢复 | 第58-82页 |
| ·基于小波包分解的模型 | 第59-61页 |
| ·提出的模型 | 第59-60页 |
| ·基本性质 | 第60-61页 |
| ·邻近点算子与Chambolle-Pock算法 | 第61-62页 |
| ·邻近点算子 | 第61-62页 |
| ·Chambolle-Pock算法 | 第62页 |
| ·模型求解和算法设计 | 第62-66页 |
| ·离散形式 | 第63页 |
| ·无约束模型的求解 | 第63-65页 |
| ·有约束模型的求解 | 第65-66页 |
| ·算法应用及实验分析 | 第66-76页 |
| ·图像去噪 | 第68-72页 |
| ·图像去模糊 | 第72-75页 |
| ·修补模糊图像中的缺失 | 第75-76页 |
| ·非局部TV正则化项 | 第76-79页 |
| ·本章小结 | 第79-82页 |
| 5 基于字典学习的非高斯噪声背景下的图像去模糊 | 第82-114页 |
| ·基于图像块的稀疏表示先验信息 | 第83-85页 |
| ·基于稀疏表示的脉冲噪声背景下的图像恢复 | 第85-99页 |
| ·相关工作 | 第85-87页 |
| ·两阶段方法 | 第87-91页 |
| ·融合噪声点检测和图像恢复 | 第91-94页 |
| ·实验结果与分析 | 第94-97页 |
| ·讨论 | 第97-99页 |
| ·基于稀疏表示的泊松噪声背景下的图像去模糊 | 第99-111页 |
| ·相关工作 | 第99-102页 |
| ·提出的算法 | 第102-104页 |
| ·实验结果和分析 | 第104-107页 |
| ·讨论 | 第107-111页 |
| ·如何进一步地提高算法的效果 | 第111-112页 |
| ·本章小结 | 第112-114页 |
| 6 总结与展望 | 第114-118页 |
| ·本文工作总结 | 第114-115页 |
| ·未来工作展望 | 第115-118页 |
| 参考文献 | 第118-130页 |
| 攻读博士学位期间发表的学术论文 | 第130-134页 |
| 学位论文数据集 | 第134页 |
