声明
摘要
插图索引
表格索引
符号对照表
缩略语对照表
第一章 绪论
1.1 基于偏微分方程和非局部平均的图像去噪方法
1.1.1 基于偏微分方程的图像去噪方法
1.1.2 基于非局部平均的图像去噪方法
1.2 基于变分框架的Retinex图像增强方法
1.2.1 颜色恒常和Retinex理论
1.2.2 国内外研究现状及发展趋势
1.2.3 变分法
1.3 基于梯度矢量流的图像分割问题
1.3.1 基于边缘的变分模型
1.3.2 基于梯度矢量流的Snake模型
1.4 客观评价
1.5 本论文主要工作
第二章 全局稀疏梯度耦合扩散方程的图像去噪模型
2.1 相关工作
2.2 全局稀疏梯度
2.2.1 全局稀疏梯度模型
2.2.2 全局稀疏梯度模型的优化算法
2.2.3 全局稀疏梯度模型的数值算法和鲁棒性
2.3 全局稀疏梯度耦合扩散方程的图像去噪模型
2.3.1 基于全局稀疏梯度的耦合模型
2.3.2 耦合模型的适定性证明
2.3.3 耦合模型的实现
2.4 实验结果与分析
2.4.1 与其他去噪方法的比较
2.4.2 参数变化的影响
2.4.3 算法稳定性分析
2.5 本章小结
第三章 全局稀疏梯度耦合张量扩散的图像去噪模型
3.1 相关工作
3.2 全局稀疏梯度场耦合张量扩散的去噪模型
3.2.1 全局稀疏梯度场耦合张量扩散的去噪模型
3.2.2 数值离散格式和算法
3.3 实验结果与分析
3.3.1 与其他去噪方法的比较
3.3.2 算法稳定性分析
3.4 本章小结
第四章 基于自适应全局稀疏梯度的非局部图像去噪模型
4.1 相关工作
4.2 自适应全局稀疏梯度模型
4.2.1 全局稀疏梯度模型的离散形式
4.2.2 自适应全局稀疏梯度模型
4.2.3 优化算法
4.3.1 新的去噪算法
4.3.2 算法复杂度比较
4.4 实验结果与分析
4.4.1 稀疏梯度场模型的鲁棒性
4.4.2 去噪效果的对比实验
4.5 本章小结
第五章 基于全局稀疏梯度的变分Retinex图像增强模型
5.1 引言
5.2 相关工作
5.3 基于全局稀疏梯度变分Retinex的图像增强
5.4 实验结果与分析
5.5 本章小结
第六章 基于全局梯度流的图像分割模型
6.1 相关工作
6.1.1 Snake模型
6.1.2 GVF Snake模型
6.2 全局梯度流模型Snake模型
6.2.1 全局梯度流模型(GGF)
6.2.2 GGF Snake分割模型
6.2.3 GGF Snake模型的实现
6.3 数值实验
6.4 小结
7.1 总结
7.2 展望
参考文献
致谢
作者简介