声明
致谢
摘要
1 绪论
1.1 研究背景和研究意义
1.1.1 图像分割
1.1.2 图像恢复
1.1.3 基于变分方法的模型
1.2 研究现状及存在的问题
1.2.1 基于变分方法的图像分割
1.2.2 基于变分方法的图像恢复
1.3 本文主要的研究内容
1.4 论文的组织结构
2 变分模型和优化算法
2.1 基于变分最小化的模型理论
2.1.1 全变差模型
2.1.2 活动轮廓模型
2.1.3 图像修补
2.2 优化算法
2.2.1 原问题-对偶算法
2.2.2 变量分裂算法
2.3 本章小结
3 全局活动轮廓模型的研究
3.1 引言
3.2 灰度不一致图像分割
3.2.1 相关工作
3.2.2 基于局部统计量的全局活动轮廓模型
3.2.3 模型设计与求解
3.2.4 实验结果与分析
3.3 基于局部直方图的全局活动轮廓模型
3.3.1 特征选择
3.3.2 Quadratic-Chi直方图距离
3.3.3 分割模型及算法
3.3.4 实验结果与分析
3.4 本章小结
4 基于小波包分解的图像恢复
4.1 基于小波包分解的模型
4.1.1 提出的模型
4.1.2 基本性质
4.2 邻近点算子与Chambolle-Pock算法
4.2.1 邻近点算子
4.2.2 Chambolle-Pock算法
4.3 模型求解和算法设计
4.3.1 离散形式
4.3.2 无约束模型的求解
4.3.3 有约束模型的求解
4.4 算法应用及实验分析
4.4.1 图像去噪
4.4.2 图像去模糊
4.4.3 修补模糊图像中的缺失
4.5 非局部TV正则化项
4.6 本章小结
5 基于字典学习的非高斯噪声背景下的图像去模糊
5.1 基于图像块的稀疏表示先验信息
5.2 基于稀疏表示的脉冲噪声背景下的图像恢复
5.2.1 相关工作
5.2.2 两阶段方法
5.2.3 融合噪声点检测和图像恢复
5.2.4 实验结果与分析
5.2.5 讨论
5.3 基于稀疏表示的泊松噪声背景下的图像去模糊
5.3.1 相关工作
5.3.2 提出的算法
5.3.3 实验结果和分析
5.3.4 讨论
5.4 如何进一步地提高算法的效果
5.5 本章小结
6 总结与展望
6.1 本文工作总结
6.2 未来工作展望
参考文献
攻读博士学位期间发表的学术论文
学位论文数据集