声明
摘要
1 绪论
1.1研究背景和意义
1.2变分模型的研究动态
1.3纹理建模的研究现状
1.4本论文的主要工作
2 数学预备知识
2.1 Banach空间
2.2 BV空间
2.3凸优化理论
2.4 Fenchel-Rockafellar对偶
2.5几类临近算子
3 图像去噪和去模糊中基于TGV的高阶模型及其算法
3.1模型的提出
3.2 Prediction-Correction ADMM算法
3.2.1 脉冲噪声模型算法
3.2.2泊松噪声模型算法
3.3数值模拟与分析
3.4彩色图像的处理
3.5伽马和超声噪声下的非线性保真项模型
3.5.1伽马噪声模拟分析
3.5.2 Speckle噪声模拟分析
3.6本章小结
4 基于TGV和Shearlet的卷积下确界纹理恢复模型
4.1 Shearlet变换
4.2卷积下确界模型及解的存在性证明
4.3模型的离散化和算法
4.3.1离散化模型
4.3.2 Primal-Dual算法及收敛条件
4.4数值模拟与分析
4.4.1图像分解和去噪
4.4.2 图像修复
4.4.3欠采样MRI重建
4.5本章小结
5 一种基于卡通-纹理分解的JPEG解压缩模型及其算法
5.1 JPEG解压缩变分建模
5.2卡通-纹理解压缩模型
5.3临近Primal-Dual算法
5.3.1模型的离散化
5.3.2广义临近算法和收敛性条件
5.4数值模拟与分析
5.4.1压缩率q=10
5.4.2压缩率q=20
5.5本章小结
6 Oscillation TGV纹理表示和多方向、多尺度的结构化纹理恢复模型
6.1 Oscillation TGV的下半连续性和强制性
6.2 m重卷积下确界oscillation TGV
6.2.1 下半连续性和强制性
6.2.2一般模型解的存在性证明
6.3离散和优化算法
6.3.1有限差分法
6.3.2离散核空间的表示
6.3.3数值优化算法及收敛条件
6.4数值模拟与分析
6.4.1卡通/纹理分解和图像去噪
6.4.2 图像修复
6.4.3欠采样MRI重建
6.5本章小结
7 自适应方向和尺度的oscillation TGV模型及其迭代算法
7.1 自适应方法的提出
7.2交替方向极小化算法
7.2.1 (u1,w1,u2,w2)子问题
7.2.2(~c,wc)子问题
7.3数值模拟与分析
7.3.1 图像分解和去噪
7.3.2图像修复
7.3.3欠采样MRI重建
7.4本章小结
8 总结与展望
8.1本文工作总结
8.2下一步工作展望
参考文献
致谢
附录
南京理工大学;