| 摘要 | 第3-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 概述 | 第10页 |
| 1.2 研究现状及存在问题 | 第10-13页 |
| 1.2.1 稀疏低秩先验信息 | 第10-12页 |
| 1.2.2 彩色图像灰度化 | 第12-13页 |
| 1.2.3 当前研究存在的问题 | 第13页 |
| 1.3 研究内容及章节安排 | 第13-16页 |
| 1.3.1 研究内容 | 第13-14页 |
| 1.3.2 章节安排 | 第14-16页 |
| 第2章 基于梯度域的稀疏低秩算法在图像填充中的应用 | 第16-32页 |
| 2.1 图像填充引言 | 第16-18页 |
| 2.1.1 梯度域先验信息 | 第16-17页 |
| 2.1.2 SAIST算法 | 第17-18页 |
| 2.2 提出的Grad-LR方法 | 第18-19页 |
| 2.3 求解子问题的优化算法 | 第19-21页 |
| 2.4 Grad-LR特性 | 第21-22页 |
| 2.5 数值仿真实验 | 第22-30页 |
| 2.5.1 参数收敛性 | 第22-24页 |
| 2.5.2 小测试数据的填充 | 第24-28页 |
| 2.5.3 大测试数据的填充 | 第28-30页 |
| 2.5.4 失败例子分析 | 第30页 |
| 2.6 计算时间 | 第30-31页 |
| 2.7 本章小结 | 第31-32页 |
| 第3章 广义非凸低秩核范数约束用于遥感图像重建 | 第32-48页 |
| 3.1 遥感图像重建引言 | 第32-34页 |
| 3.2 基于参考影像的遥感图像重建模型 | 第34-35页 |
| 3.3 广义非凸低秩近似模型 | 第35-37页 |
| 3.4 问题定义 | 第37-41页 |
| 3.5 数值仿真实验 | 第41-47页 |
| 3.5.1 低秩惩罚函数和不同代理函数的性能评估 | 第41-43页 |
| 3.5.2 单通道压缩感知性能对比 | 第43-44页 |
| 3.5.3 基于参考图像的多通道重建 | 第44页 |
| 3.5.4 参数分析 | 第44-46页 |
| 3.5.5 抗噪性能分析 | 第46-47页 |
| 3.6 计算时间 | 第47页 |
| 3.7 本章小结 | 第47-48页 |
| 第4章 多特征图引导低秩张量约束的图像复原 | 第48-68页 |
| 4.1 图像复原引言 | 第48-50页 |
| 4.1.1 多视角特征图 | 第48-49页 |
| 4.1.2 低秩张量编码 | 第49-50页 |
| 4.1.3 本章贡献 | 第50页 |
| 4.2 MF-LRTC: 多滤波器引导的低秩张量编码 | 第50-56页 |
| 4.2.1 多滤波器引入特征 | 第50-52页 |
| 4.2.2 低秩张量近似 | 第52-53页 |
| 4.2.3 提出的MF-LRTC | 第53-54页 |
| 4.2.4 求解算法 | 第54-56页 |
| 4.2.5 扩展的MF-NLRTC | 第56页 |
| 4.3 数值仿真实验 | 第56-65页 |
| 4.3.1 图像去模糊 | 第57-59页 |
| 4.3.2 压缩感知图像重建 | 第59-65页 |
| 4.4 参数讨论 | 第65-67页 |
| 4.4.1 参数评估 | 第65-66页 |
| 4.4.2 多滤波器分析 | 第66-67页 |
| 4.5 本章小结 | 第67-68页 |
| 第5章 基于两步参数子空间的彩色图像灰度化研究 | 第68-77页 |
| 5.1 彩色图像灰度化引言 | 第68-69页 |
| 5.2 基于两步参数子空间的彩色图像灰度化模型 | 第69-71页 |
| 5.2.1 二阶多元多项式模型 | 第69-70页 |
| 5.2.2 三个子空间的研究 | 第70-71页 |
| 5.3 两步参数子空间模型及求解 | 第71-73页 |
| 5.4 数值仿真实验 | 第73-76页 |
| 5.4.1 定性评估 | 第73-75页 |
| 5.4.2 定量分析 | 第75-76页 |
| 5.5 计算时间 | 第76页 |
| 5.6 本章小结 | 第76-77页 |
| 第6章 基于最大加权投影求解的彩色图像灰度化算法 | 第77-94页 |
| 6.1 引言 | 第77-79页 |
| 6.2 局部保留投影模型(LPP) | 第79-80页 |
| 6.3 最大加权投影彩色图像灰度化模型(MWPDe) | 第80-82页 |
| 6.4 离散搜索求解 | 第82-83页 |
| 6.5 数值仿真实验 | 第83-92页 |
| 6.5.1 基于Cadik’s数据集的对比 | 第83-85页 |
| 6.5.2 基于CSDD数据集的对比 | 第85-87页 |
| 6.5.3 基于COLOR250数据集的对比 | 第87-88页 |
| 6.5.4 用户主观对比 | 第88-89页 |
| 6.5.5 鲁棒性分析 | 第89-92页 |
| 6.6 计算时间 | 第92-93页 |
| 6.7 本章小结 | 第93-94页 |
| 第7章 结论与展望 | 第94-97页 |
| 7.1 本文工作总结 | 第94-96页 |
| 7.2 未来研究展望 | 第96-97页 |
| 致谢 | 第97-98页 |
| 参考文献 | 第98-108页 |
| 攻读学位期间的研究成果 | 第108页 |
