基于低秩稀疏的图像序列增强技术研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-10页 |
| 目录 | 第10-13页 |
| 第1章 绪论 | 第13-25页 |
| ·研究背景 | 第13-14页 |
| ·研究现状 | 第14-22页 |
| ·高光谱图像去噪 | 第14-18页 |
| ·生命细胞钙荧光图像序列去噪 | 第18-20页 |
| ·自然图像超分辨率重建 | 第20-22页 |
| ·论文贡献与章节安排 | 第22-25页 |
| 第2章 凸优化理论基础 | 第25-41页 |
| ·凸集与凸函数 | 第25-28页 |
| ·凸集 | 第25-26页 |
| ·凸函数 | 第26-27页 |
| ·凸函数举例 | 第27-28页 |
| ·凸优化问题模型 | 第28-30页 |
| ·一般优化问题模型 | 第28页 |
| ·凸优化问题模型 | 第28页 |
| ·信号恢复问题的凸优化模型 | 第28-30页 |
| ·凸优化算法 | 第30-41页 |
| ·有约束的凸优化问题 | 第30-32页 |
| ·梯度下降法 | 第32-34页 |
| ·临近点算法 | 第34-36页 |
| ·迭代收缩阈值法 | 第36-38页 |
| ·分裂Bregman方法 | 第38-41页 |
| 第3章 低秩与稀疏 | 第41-49页 |
| ·矩阵低秩问题 | 第41-45页 |
| ·理论 | 第41-43页 |
| ·应用一：视频背景建模 | 第43页 |
| ·应用二：协同过滤推荐 | 第43-45页 |
| ·信号稀疏问题 | 第45-49页 |
| ·理论 | 第45-46页 |
| ·应用一：压缩感知 | 第46-47页 |
| ·应用二：人脸识别 | 第47-49页 |
| 第4章 基于低秩稀疏的图像序列去噪技术 | 第49-87页 |
| ·图像序列去噪方法的框架设计 | 第49-53页 |
| ·Phase Ⅰ：初步分离 | 第49-51页 |
| ·Phase Ⅱ：空间特性补偿 | 第51-53页 |
| ·应用一：高光谱图像去噪 | 第53-76页 |
| ·图像序列特性分析 | 第53-55页 |
| ·去噪方法设计 | 第55-56页 |
| ·算法描述 | 第56-61页 |
| ·实验与讨论 | 第61-76页 |
| ·应用二：生命细胞钙荧光图像序列去噪 | 第76-85页 |
| ·图像序列特性分析 | 第76-78页 |
| ·去噪方法设计 | 第78-79页 |
| ·算法描述 | 第79-82页 |
| ·实验与讨论 | 第82-85页 |
| ·本章小结 | 第85-87页 |
| 第5章 基于低秩稀疏的图像超分辨率重建技术 | 第87-101页 |
| ·图像特性分析 | 第87-90页 |
| ·图像观察模型 | 第87-88页 |
| ·图像的非局部自相似性 | 第88-89页 |
| ·图像块的稀疏表示 | 第89-90页 |
| ·超分辨率重建方法设计 | 第90-93页 |
| ·初步重建 | 第90-91页 |
| ·高频分量恢复 | 第91-93页 |
| ·后处理 | 第93页 |
| ·算法描述 | 第93-96页 |
| ·实验与讨论 | 第96-100页 |
| ·本章小结 | 第100-101页 |
| 第6章 总结与展望 | 第101-105页 |
| ·论文总结 | 第101-102页 |
| ·未来展望 | 第102-105页 |
| 参考文献 | 第105-111页 |
| 致谢 | 第111-113页 |
| 在读期间发表的学术论文与取得的其他研究成果 | 第113页 |
