包邮图像复原去噪技术与应用――基于图像块先验建模的视角

第1章 绪论11．1 研究背景及意义11．2 研究现状及发展趋势31．2．1 空间域方法31．2．2 变换域方法71．3 存在的问题81．4 本书主要工作和创新点91．5 本书内容安排12第2章 图像去噪的理论基础152．1 图像处理中常见的噪声152．1．1 加性噪声152．1．2 乘性噪声162．2 图像质量评价标准172．2．1 主观评价172．2．2 客观评价182．3 图像的方法噪声192．4 本章小结20第3章 经典图像去噪方法213．1 非局部均值图像去噪方法213．1．1 非局部均值去噪理论213．1．2 非局部均值去噪方法研究现状223．2 基于先验信息的正则化去噪方法233．2．1 *大后验概率估计243．2．2 不同形式的正则化去噪方法243．3 本章小结29第4章 基于边缘相似度的自适应两阶段非局部均值去噪方法304．1 概述304．2 两阶段非局部均值去噪框架314．2．1 去噪过程324．2．2 图像块相似性度量334．2．3 抗噪的差分算子354．2．4 自适应参数选择方案374．3 实验结果与分析394．3．1 搜索窗口的设置394．3．2 去噪结果对比404．4 本章小结45第5章 基于梯度直方图和非局部自相似先验的自适应纹理保持去噪方法465．1 概述465．2 自适应的纹理保持去噪框架495．2．1 满足超拉普拉斯分布的梯度直方图匹配先验505．2．2 非局部自相似（NSS）先验505．2．3 内容自适应的参数选择515．3 求解去噪模型535．3．1 x-子问题535．3．2 s-子问题545．3．3 迭代直方图匹配算法545．3．4 更新参数q和δ555．4 实验结果与分析565．4．1 参数设置565．4．2 与正则化去噪模型的比较565．4．3 与*新去噪方法的比较615．4．4 梯度保持性能635．4．5 运行时间645．5 本章小结65第6章 基于SVD能量分布估计的低秩近似去噪方法666．1 概述666．2 基于SVD域的低秩近似去噪方法回顾――LRA-SVD方法676．3 基于能量分布估计的低秩去噪方法的问题描述686．3．1 边缘信息辅助的图像块匹配686．3．2 真实信号能量分布估计696．3．3 噪声方差约束的低秩矩阵近似716．3．4 加权组合726．3．5 迭代增强步骤726．4 实验结果与分析746．4．1 参数设置746．4．2 与代表性的方法比较746．4．3 与*新的去噪方法比较786．4．4 运行时间806．5 本章小结81第7章 基于自适应增强方法的低秩去噪方法827．1 概述827．2 迭代增强技术的研究现状837．3 自适应增强的低秩去噪方法847．3．1 自适应增强的去噪框架857．3．2 *优解分析857．3．3 收敛性分析887．3．4 自适应的相似图像块搜索方案897．3．5 迭代停止准则907．4 实验结果与分析937．4．1 参数设置937．4．2 去噪结果937．5 本章小结98第8章 基于结构信息提取的低秩图像去噪方法1008．1 概述1008．2 核维纳滤波1018．3 基于结构信息提取的低秩图像去噪方法1018．3．1 结构提取模型1028．3．2 相似图像块分组1038．3．3 基于低秩近似和核维纳滤波的SEM*优去噪模型1048．3．4 优化算法1058．4 实验结果与分析1088．4．1 参数设置1088．4．2 去噪结果1108．4．3 运行时间1178．5 本章小结118第9章 基于稀疏表示与奇异值分解的图像细节保护去噪方法1199．1 概述1199．2 基于稀疏表示的去噪模型1209．3 图像细节保护的去噪方法1229．3．1 图像低频信息恢复1229．3．2 图像高频信息恢复1239．3．3 图像高频成分和低频成分的聚合1309．4 实验结果与分析1329．4．1 去噪性能比较1329．4．2 运行时间比较1369．5 本章小结137第10章 基于增强低秩先验的两阶段图像去噪方法13810．1 概述13810．2 两阶段增强低秩先验模型去噪方法13910．2．1 第1阶段：轮廓恢复13910．2．2 第2阶段：细节恢复14110．3 实验结果与分析14810．3．1 参数设置14910．3．2 TSLR方法分析15010．3．3 与非深度学习方法的实验结果比较15110．3．4 与深度学习方法的实验结果比较15910．4 本章小结161第11章 基于四元数组稀疏的彩色图像去噪方法16211．1 概述16211．2 彩色图像四元数分析16311．2．1 四元数奇异值分解16311．2．2 离散四元数傅里叶变换16311．3 彩色图像去噪方法16411．3．1 建立图像块组16411．3．2 四元数组稀疏模型16511．3．3 结合组稀疏与核维纳滤波的四元数去噪模型16611．4 实验结果16711．5 本章小结169第12章 总结与展望17012．1 总结17012．2 展望172参考文献174