声明
摘要
第1章 绪论
1.1 研究背景及意义
1.2 研究现状及挑战
1.2.1 图像去噪
1.2.2 图像平滑
1.2.3 图像处理中的非局部自相似性与稀疏性
1.3 本文主要工作和创新点
1.4 各章节安排
第2章 基于PCA字典的自适应稀疏编码去噪
2.1 问题描述及方法概述
2.2 PCA字典稀疏编码模型
2.2.1 背景和动机
2.2.2 估计编码和标准差
2.2.3 ASC-PCA模型的定义
2.3 基于滤波的迭代收缩算法
2.4 实验结果及比较
2.5 高斯模型和拉普拉斯模型的讨论
2.6 小结
第3章 基于低秩和梯度稀疏的图像平滑方法
3.1 问题描述及方法概述
3.2 基于低秩和梯度稀疏的图像平滑方法
3.2.1 低秩约束先验
3.2.2 梯度稀疏约束先验
3.2.3 新模型的定义
3.3 迭代求解
3.4 实验结果及比较
3.5 小结
第4章 非局部梯度聚集图像平滑方法
4.1 问题描述及方法概述
4.2 新模型的能量定义
4.2.1 背景
4.2.2 动机
4.2.3 定义
4.2.4 原理
4.3 数值求解
4.3.1 算子
4.3.2 参数分析
4.4 实验结果及比较
4.5 小结
第5章 图像平滑在智能图像处理中的应用
5.1 平滑方法的直接应用
5.1.1 边缘检测和编辑
5.1.2 细节放大
5.1.3 图像放缩
5.2 基于多尺度空间的显著性检测方法
5.2.1 相关工作
5.2.2 基于多尺度空间的显著性检测
5.2.3 实验结果
5.3 小结
第6章 总结与展望
6.1 总结
6.2 展望
参考文献
致谢
攻读学位期间发表的学术论文目录
攻读学位期间参与科研项目情况
外文论文