图像去噪复原方法研究

目 录

? 第1章 绪论 1
1.1　研究目的和意义 1
1.2　图像去噪的研究概况与展望 3
1.2.1 国外研究概况 4
1.2.2 国内研究概况 8
1.2.3 存在的问题及发展展望 11
1.3 图像复原的研究概况和展望 13
1.3.1 国外研究概况 13
1.3.2 国内研究概况 17
1.3.3 存在的问题及发展展望 21
1.4 图像质量评价 22
1.4.1 主观质量评价法 24
1.4.2 客观质量评价法 25
? 第2章 小波分析和脊波变换 29
2.1 小波分析基本理论 29
2.1.1 傅里叶变换到小波分析 29
2.1.2 连续小波变换 32
2.1.3 离散小波变换 33
2.1.4 多分辨分析与Mallet算法 34
2.2 脊波变换基本理论 36
2.2.1 脊波变换 36
2.2.2 离散脊波变换 38
2.3 本章小结 40
? 第3章 小波阈值去噪 41
3.1 小波阈值去噪原理 41
3.2 小波阈值去噪函数 42
3.3 改进的小波阈值去噪函数 44
3.4 改进的统一阈值 45
3.5 仿真实验与结果 46
3.5.1 仿真实验过程 46
3.5.2 实验结果 47
3.6 本章小结 50
? 第4章 基于脊波变换和图像融合的去噪 51
4.1 脊波变换与改进的小波阈值去噪 51
4.1.1 脊波变换去噪过程 52
4.1.2 脊波与小波融合去噪过程 52
4.2 仿真实验与结果 53
4.2.1 仿真实验 53
4.2.2 实验结果 54
4.3 图像融合的方法 58
4.4 本章小结 59
? 第5章 基于偏微分方程的图像去噪 61
5.1 基于偏微分方程的去噪方法 61
5.2 变分法与PDE的相关理论 63
5.3 基于偏微分方程的图像去噪模型 66
5.3.1 各向同性PDE扩散模型 66
5.3.2 线性扩散PDE模型 68
5.3.3 非线性扩散PDE模型 70
5.4 本章小结 72
? 第6章 加权型曲率保持PDE图像滤波方法 73
6.1 结构张量 74
6.1.1 线性结构张量 74
6.1.2 非线性结构张量 76
6.2 线积分卷积 77
6.3 基于加权型曲率保持PDE图像去噪 79
6.3.1 模型的提出 79
6.3.2 扩散张量的构造 80
6.3.3 权重函数的构造 81
6.3.4 实验验证和分析 83
6.4 本章小结 85
? 第7章 结构保持的非局部图像变分模型与算法 87
7.1 非局部平均滤波方法 88
7.1.1 非局部均值滤波法 89
7.1.2 非局部算子 91
7.2 非局部总广义变分模型及数值解法 92
7.3 基于Patch相似性保真的图像变分模型 94
7.3.1 模型的提出 94
7.3.2 实验验证及分析 96
7.4 基于Patch相似性的WCPDE滤波方法 97
7.4.1 模型的提出 97
7.4.2 实验验证及分析 99
7.5 本章小结 100
? 第8章 超分辨率图像复原相关理论 101
8.1 超分辨率图像复原的模型 101
8.2 传统超分辨率复原算法概述 104
8.2.1 基于插值的算法 104
8.2.2 基于重建的算法 105
8.2.3 基于学习的算法 107
8.3 稀疏表示理论 110
8.3.1 稀疏表示的数学模型 110
8.3.2 常用算法 112
8.3.3 相关定理 115
8.4 本章小结 117
? 第9章 基于内容的字典学习的超分辨率图像复原 118
9.1 字典学习 118
9.1.1 数学模型 119
9.1.2 常用算法 120
9.2 基于内容的字典学习和稀疏表示的超分辨率图像复原 122
9.2.1 聚类分析算法概述 122
9.2.2 K-means算法 123
9.2.3 图像重构 124
9.3 仿真实验与分析 128
9.4 本章小结 133
? 第10章 基于内容的双字典学习的图像超分辨率复原 134
10.1 双字典的构建 135
10.2 图像的复原操作 138
10.3 仿真实验与分析 140
10.4 本章小结 144
? 第11章 超低分辨率人脸图像复原研究 146
11.1 DCT变换方法 146
11.1.1 DCT变换的压缩数据原理 147
11.1.2 DCT变换系数 147
11.2 基于DCT变换的图像复原 148
11.3 基于DCT变换的人脸复原算法改进 152
11.4 算法在超低分辨率人脸复原中的实现 154
11.5 仿真实验与分析 155
11.6 本章小结 157
参考文献 158