第1章 圖像復原技術概述 1.1 圖像復原的基本理論 1.1.1 圖像復原的基本概念 1.1.2 圖像復原的一般模型 1.1.3 圖像復原的貝葉斯理論 1.2 圖像復原技術的研究現狀 1.2.1 基於偏微分方程的圖像復原技術 1.2.2 神經網絡圖像復原技術 1.2.3 小波圖像復原技術 1.2.4 基於圖割的圖像復原技術 1.3 圖像復原質量的評價標準 1.4 小結 參考文獻第2章 變分偏微分方程在圖像復原中的應用 2.1 偏微分方程圖像復原技術的相關定義 2.1.1 偏微分方程的一些基本概念 2.1.2 圖像及其相關算子的數學錶示 2.1.3 與圖像處理有關的偏微分方程模型 2.2 圖像復原中的變分法相關定義 2.2.1 變分法相關知識 2.2.2 變分預備定理 2.3 整體變分圖像復原技術 2.3.1 有界變差函數的基本理論 2.3.2 整體變分圖像復原模型 2.3.3 整體變分圖像復原模型的數值解法 2.4 整體變分自適應圖像去噪模型 2.4.1 三種去噪模型的分析 2.4.2 自適應Tv去噪模型的構造 2.4.3 實驗結果及分析 2.5 小結 參考文獻第3章 基於神經網絡的圖像復原技術研究 3.1 神經網絡的基本理論 3.1.1 人工神經網絡的簡介 3.1.2 人工神經元的模型 3.1.3 BP神經網絡 3.1.4 Hopfield神經網絡 3.2 神經網絡圖像復原的問題描述 3.3 基於變分PDE的神經網絡圖像復原算法 3.3.1 正則化項的擴散特性分析 3.3.2 基於調和模型的神經網絡圖像復原算法 3.3.3 基於整體變分模型的神經網絡圖像復原算法 3.3.4 正則化參數的選取 3.3.5 實驗結果與討論 3.4 狀態連續改變的快速神經網絡復原算法 3.4.1 狀態連續改變的神經網絡復原模型 3.4.2 狀態連續改變的快速神經網絡更新規則 3.4.3 狀態連續改變的快速神經網絡復原算法 3.4.4 仿真結果與討論 3.5 基於調和模型的快速神經網絡復原算法 3.5.1 算法描述 3.5.2 仿真結果與分析 3.6 基於調和模型的並行神經網絡復原算法 3.6.1 算法描述 3.6.2 仿真結果與分析 3.7 小結 參考文獻第4章 小波分析圖像復原技術研究 4.1 小波變換的基本理論 4.1.1 連續小波變換 4.1.2 離散小波變換 4.1.3 小波變換在數字圖像處理中的應用 4.2 小波變換與圖像復原 4.2.1 小波閾值收縮去噪 4.2.2 小波域迭代正則化圖像復原 4.2.3 小波域參數模型圖像復原 4.3 小波閾值收縮去噪與非綫性擴散去噪之間的關係 4.3.1 Haar小波的特性 4.3.2 Haar小波收縮去噪 4.3.3 非綫性擴散去噪 4.3.4 Haar小波收縮與非綫性擴散之間的關係 4.3.5 仿真結果與討論 4.4 基於小波收縮與非綫性擴散的混閤去噪算法 4.4.1 混閤圖像去噪算法 4.4.2 仿真結果與討論 4.5 小結 參考文獻第5章 圖割在圖像復原中的應用 5.1 圖論的相關知識 5.1.1 圖論的基本概念 5.1.2 網絡流和割 5.1.3 網絡最大流的相關算法 5.2 標號問題 5.2.1 標號問題的能量函數錶示 5.2.2 標號問題能量函數的導齣 5.2.3 能量函數的優化方法 5.3 基於圖割的全變差圖像去噪算法 5.3.1 基於圖割的全變差去噪離散模型 5.3.2 基於圖割的全變差圖像去噪算法 5.3.3 正則化參數的選取 5.3.4 仿真結果與分析 5.4 基於移動空間的全變差圖像去噪算法 5.4.1 移動空間技術 5.4.2 基於交換移動空間的全變差圖像去噪算法 5.5 小結參考文獻
· · · · · · (收起)