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

基于矩阵秩最小化和变量变换的图像恢复方法

中文摘要第3-5页
Abstract第5-7页
第一章 绪论第10-21页
    1.1 图像恢复的研究背景第11-14页
        1.1.1 受到加性高斯噪声污染的图像恢复第11-13页
        1.1.2 非高斯噪声污染图像的去噪问题第13-14页
    1.2 矩阵秩最小化问题第14-17页
    1.3 本文主要内容与创新点第17-18页
    1.4 本文结构安排第18-21页
第二章 一种矩阵秩最小化方法及其在图像去噪中的应用第21-43页
    2.1 一种矩阵秩最小化方法第21-25页
    2.2 基于矩阵秩最小化的图像去噪第25-28页
        2.2.1 加性高斯噪声去除第25-27页
        2.2.2 Gamma乘性噪声去除第27-28页
    2.3 数值实验第28-39页
        2.3.1 加性高斯噪声去除实验结果第29-37页
        2.3.2 Gamma乘性噪声去除实验结果第37-39页
    2.4 本章小结第39-43页
第三章 基于矩阵加权核范数最小化的图像恢复方法第43-61页
    3.1 基于矩阵加权核范数最小化的图像恢复模型第43-45页
    3.2 交替迭代算法第45-46页
    3.3 算法收敛性分析第46-50页
    3.4 数值实验第50-53页
    3.5 本章小结第53-61页
第四章 基于Box-Cox变换的乘性噪声去除方法第61-85页
    4.1 Box-Cox变换方法第61-62页
    4.2 基于Box-Cox变换的乘性噪声去除方法第62-63页
    4.3 Box-Cox变换参数选择第63-66页
    4.4 数值实验第66-81页
        4.4.1 Box-Cox变换参数估计第66-67页
        4.4.2 图像去噪实验结果第67-81页
    4.5 本章小结第81-85页
第五章 总结与展望第85-87页
    5.1 总结第85-86页
    5.2 展望及未来工作第86-87页
参考文献第87-102页
在学 期间科研成果第102-103页
致谢第103页

论文共103页,点击 下载论文
上一篇:基于深度图像序列的人体动作识别方法研究
下一篇:基于大数据的城市公路交通流短时预测研究