圖像去噪復(fù)原方法研究

目 錄
? 第1章 緒論\t1
1．1　研究目的和意義\t1
1．2　圖像去噪的研究概況與展望\t3
1．2．1 國外研究概況\t4
1．2．2 國內(nèi)研究概況\t8
1．2．3 存在的問題及發(fā)展展望\t11
1．3 圖像復(fù)原的研究概況和展望\t13
1．3．1 國外研究概況\t13
1．3．2 國內(nèi)研究概況\t17
1．3．3 存在的問題及發(fā)展展望\t21
1．4 圖像質(zhì)量評(píng)價(jià)\t22
1．4．1 主觀質(zhì)量評(píng)價(jià)法\t24
1．4．2 客觀質(zhì)量評(píng)價(jià)法\t25
? 第2章 小波分析和脊波變換\t29
2．1 小波分析基本理論\t29
2．1．1 傅里葉變換到小波分析\t29
2．1．2 連續(xù)小波變換\t32
2．1．3 離散小波變換\t33
2．1．4 多分辨分析與Mallet算法\t34
2．2 脊波變換基本理論\t36
2．2．1 脊波變換\t36
2．2．2 離散脊波變換\t38
2．3 本章小結(jié)\t40
? 第3章 小波閾值去噪\t41
3．1 小波閾值去噪原理\t41
3．2 小波閾值去噪函數(shù)\t42
3．3 改進(jìn)的小波閾值去噪函數(shù)\t44
3．4 改進(jìn)的統(tǒng)一閾值\t45
3．5 仿真實(shí)驗(yàn)與結(jié)果\t46
3．5．1 仿真實(shí)驗(yàn)過程\t46
3．5．2 實(shí)驗(yàn)結(jié)果\t47
3．6 本章小結(jié)\t50
? 第4章 基于脊波變換和圖像融合的去噪\t51
4．1 脊波變換與改進(jìn)的小波閾值去噪\t51
4．1．1 脊波變換去噪過程\t52
4．1．2 脊波與小波融合去噪過程\t52
4．2 仿真實(shí)驗(yàn)與結(jié)果\t53
4．2．1 仿真實(shí)驗(yàn)\t53
4．2．2 實(shí)驗(yàn)結(jié)果\t54
4．3 圖像融合的方法\t58
4．4 本章小結(jié)\t59
? 第5章 基于偏微分方程的圖像去噪\t61
5．1 基于偏微分方程的去噪方法\t61
5．2 變分法與PDE的相關(guān)理論\t63
5．3 基于偏微分方程的圖像去噪模型\t66
5．3．1 各向同性PDE擴(kuò)散模型\t66
5．3．2 線性擴(kuò)散PDE模型\t68
5．3．3 非線性擴(kuò)散PDE模型\t70
5．4 本章小結(jié)\t72
? 第6章 加權(quán)型曲率保持PDE圖像濾波方法\t73
6．1 結(jié)構(gòu)張量\t74
6．1．1 線性結(jié)構(gòu)張量\t74
6．1．2 非線性結(jié)構(gòu)張量\t76
6．2 線積分卷積\t77
6．3 基于加權(quán)型曲率保持PDE圖像去噪\t79
6．3．1 模型的提出\t79
6．3．2 擴(kuò)散張量的構(gòu)造\t80
6．3．3 權(quán)重函數(shù)的構(gòu)造\t81
6．3．4 實(shí)驗(yàn)驗(yàn)證和分析\t83
6．4 本章小結(jié)\t85
? 第7章 結(jié)構(gòu)保持的非局部圖像變分模型與算法\t87
7．1 非局部平均濾波方法\t88
7．1．1 非局部均值濾波法\t89
7．1．2 非局部算子\t91
7．2 非局部總廣義變分模型及數(shù)值解法\t92
7．3 基于Patch相似性保真的圖像變分模型\t94
7．3．1 模型的提出\t94
7．3．2 實(shí)驗(yàn)驗(yàn)證及分析\t96
7．4 基于Patch相似性的WCPDE濾波方法\t97
7．4．1 模型的提出\t97
7．4．2 實(shí)驗(yàn)驗(yàn)證及分析\t99
7．5 本章小結(jié)\t100
? 第8章 超分辨率圖像復(fù)原相關(guān)理論\t101
8．1 超分辨率圖像復(fù)原的模型\t101
8．2 傳統(tǒng)超分辨率復(fù)原算法概述\t104
8．2．1 基于插值的算法\t104
8．2．2 基于重建的算法\t105
8．2．3 基于學(xué)習(xí)的算法\t107
8．3 稀疏表示理論\t110
8．3．1 稀疏表示的數(shù)學(xué)模型\t110
8．3．2 常用算法\t112
8．3．3 相關(guān)定理\t115
8．4 本章小結(jié)\t117
? 第9章 基于內(nèi)容的字典學(xué)習(xí)的超分辨率圖像復(fù)原\t118
9．1 字典學(xué)習(xí)\t118
9．1．1 數(shù)學(xué)模型\t119
9．1．2 常用算法\t120
9．2 基于內(nèi)容的字典學(xué)習(xí)和稀疏表示的超分辨率圖像復(fù)原\t122
9．2．1 聚類分析算法概述\t122
9．2．2 K-means算法\t123
9．2．3 圖像重構(gòu)\t124
9．3 仿真實(shí)驗(yàn)與分析\t128
9．4 本章小結(jié)\t133
? 第10章 基于內(nèi)容的雙字典學(xué)習(xí)的圖像超分辨率復(fù)原\t134
10．1 雙字典的構(gòu)建\t135
10．2 圖像的復(fù)原操作\t138
10．3 仿真實(shí)驗(yàn)與分析\t140
10．4 本章小結(jié)\t144
? 第11章 超低分辨率人臉圖像復(fù)原研究\t146
11．1 DCT變換方法\t146
11．1．1 DCT變換的壓縮數(shù)據(jù)原理\t147
11．1．2 DCT變換系數(shù)\t147
11．2 基于DCT變換的圖像復(fù)原\t148
11．3 基于DCT變換的人臉復(fù)原算法改進(jìn)\t152
11．4 算法在超低分辨率人臉復(fù)原中的實(shí)現(xiàn)\t154
11．5 仿真實(shí)驗(yàn)與分析\t155
11．6 本章小結(jié)\t157
參考文獻(xiàn)\t158