首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于正则化方法的图像与图像序列恢复研究

摘要第4-6页
Abstract第6-7页
1 绪论第17-29页
    1.1 研究背景及意义第17-18页
    1.2 国内外研究现状第18-27页
        1.2.1 图像序列恢复问题第18-21页
        1.2.2 泊松图像恢复第21-24页
        1.2.3 图像超分辨重建问题第24-27页
    1.3 本文主要研究内容与思路第27-28页
    1.4 本文章节安排第28-29页
2 图像退化的基本模型第29-39页
    2.1 图像退化的一般模型第29-30页
    2.2 由噪声造成的图像退化第30-34页
    2.3 由模糊造成的图像退化第34-36页
    2.4 由低采样率造成的图像退化第36-38页
    2.5 本章小结第38-39页
3 基于平均曲率正则项的泊松图像恢复算法第39-68页
    3.1 引言第39-41页
        3.1.1 泊松图像退化模型第39-40页
        3.1.2 基于正则化的泊松图像恢复一般模型第40-41页
    3.2 基于平均曲率正则项的恢复模型第41-51页
        3.2.1 平均曲率正则项第41-43页
        3.2.2 恢复模型第43页
        3.2.3 优化算法第43-47页
        3.2.4 数值实现第47-51页
    3.3 实验结果与分析第51-67页
        3.3.1 自然图像泊松去模糊第53-57页
        3.3.2 生物图像泊松去模糊第57-58页
        3.3.3 泊松图像盲去模糊第58-62页
        3.3.4 乘性噪声图像去模糊第62页
        3.3.5 关于参数与收敛性的讨论第62-67页
    3.4 本章小结第67-68页
4 基于块流形先验正则项的泊松图像恢复算法第68-88页
    4.1 引言第68页
    4.2 块流形先验正则项与鲁棒块流形学习第68-72页
        4.2.1 泊松图像的鲁棒块流形学习第70-72页
    4.3 基于块流形先验正则项的泊松图像恢复算法第72-76页
        4.3.1 恢复模型第72-73页
        4.3.2 优化算法第73-76页
    4.4 实验结果与分析第76-87页
        4.4.1 实验设置第76-82页
        4.4.2 关于正则化参数与算法收敛性的讨论第82-86页
        4.4.3 关于I-散度与PCA字典的鲁棒性讨论第86-87页
    4.5 本章小结第87-88页
5 基于空-时曲率正则项的图像序列恢复算法第88-113页
    5.1 引言第88页
    5.2 图像序列的空-时平均曲率函数和正则项第88-90页
    5.3 基于空-时平均曲率正则项的图像序列恢复第90-98页
        5.3.1 数值算法第90-94页
        5.3.2 数值实现第94-98页
    5.4 实验结果与分析第98-112页
        5.4.1 实验设置第98-99页
        5.4.2 图像序列去噪第99-100页
        5.4.3 图像序列去空间不变模糊第100-105页
        5.4.4 图像序列去空变运动模糊第105-110页
        5.4.5 关于参数选取的讨论第110-111页
        5.4.6 关于收敛性的讨论第111-112页
    5.5 本章小结第112-113页
6 基于广义全变差正则项的多帧图像超分辨率重建算法第113-128页
    6.1 引言第113-114页
    6.2 基于二阶广义全变差正则项的超分辨率重建第114-121页
        6.2.1 广义全变差第114-115页
        6.2.2 超分辨率重建模型第115-116页
        6.2.3 数值算法第116-120页
        6.2.4 基于局部方差估计子正则化参数选取第120-121页
    6.3 实验结果与分析第121-127页
        6.3.1 实验设置第121-122页
        6.3.2 实验结果第122-127页
    6.4 本章小结第127-128页
7 结论与展望第128-131页
    7.1 主要研究内容总结第128-129页
    7.2 创新点摘要第129-130页
    7.3 未来工作展望第130-131页
参考文献第131-141页
附录A 空时曲率函数公式(5.1)的推导过程第141-143页
攻读博士学位期间科研项目及科研成果第143-145页
致谢第145-147页
作者简介第147-148页

论文共148页,点击 下载论文
上一篇:基于谱隐马尔可夫模型的蛋白质序列模体识别方法研究
下一篇:惯性行人导航系统的算法研究