图像复原去噪技术与应用：基于图像块先验建模的视角

参考文献

12.2 展望

12.1 总结

第12章 总结与展望

11.5 本章小结

11.4 实验结果

11.3 彩色图像去噪方法

11.2 彩色图像四元数分析

11.1 概述

第11章 基于四元数组稀疏的彩色图像去噪方法

10.4 本章小结

10.3 实验结果与分析

10.2 两阶段增强低秩先验模型去噪方法

10.1 概述

第10章 基于增强低秩先验的两阶段图像去噪方法

9.5 本章小结

9.4 实验结果与分析

9.3 图像细节保护的去噪方法

9.2 基于稀疏表示的去噪模型

9.1 概述

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

8.5 本章小结

8.4 实验结果与分析

8.3 基于结构信息提取的低秩图像去噪框架

8.2 核维纳滤波

8.1 概述

第8章 基于结构信息提取的低秩图像去噪方法

7.5 本章小结

7.4 实验结果与分析

7.3 自适应增强的低秩去噪方法

7.2 迭代增强技术的研究现状

7.1 概述

第7章 基于自适应增强方法的低秩去噪方法

6.5 本章小结

6.4 实验结果与分析

6.3 基于能量分布估计的低秩去噪方法的问题描述

6.2 基于SVD域的低秩近似去噪方法回顾——LRA-SVD方法

6.1 概述

第6章 基于SVD能量分布估计的低秩近似去噪方法

5.5 本章小结

5.4 实验结果与分析

5.3 求解去噪模型

5.2 自适应的纹理保持去噪框架

5.1 概述

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

4.4 本章小结

4.3 实验结果与分析

4.2 两阶段非局部均值去噪框架

4.1 概述

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

3.3 本章小结

3.2 基于先验信息的正则化去噪方法

3.1 非局部均值图像去噪方法

第3章 经典图像去噪方法

2.4 本章小结

2.3 图像的方法噪声

2.2 图像质量评价标准

2.1 图像处理中常见的噪声

第2章 图像去噪的理论基础

1.5 本书内容安排

1.4 本书主要工作和创新点

1.3 存在的问题

1.2 研究现状及发展趋势

1.1 研究背景及意义

第1章 绪论

前言

内容简介

版权信息

封面

封面

版权信息

内容简介

前言

第1章 绪论

1.1 研究背景及意义

1.2 研究现状及发展趋势

1.3 存在的问题

1.4 本书主要工作和创新点

1.5 本书内容安排

第2章 图像去噪的理论基础

2.1 图像处理中常见的噪声

2.2 图像质量评价标准

2.3 图像的方法噪声

2.4 本章小结

第3章 经典图像去噪方法

3.1 非局部均值图像去噪方法

3.2 基于先验信息的正则化去噪方法

3.3 本章小结

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

4.1 概述

4.2 两阶段非局部均值去噪框架

4.3 实验结果与分析

4.4 本章小结

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

5.1 概述

5.2 自适应的纹理保持去噪框架

5.3 求解去噪模型

5.4 实验结果与分析

5.5 本章小结

第6章 基于SVD能量分布估计的低秩近似去噪方法

6.1 概述

6.2 基于SVD域的低秩近似去噪方法回顾——LRA-SVD方法

6.3 基于能量分布估计的低秩去噪方法的问题描述

6.4 实验结果与分析

6.5 本章小结

第7章 基于自适应增强方法的低秩去噪方法

7.1 概述

7.2 迭代增强技术的研究现状

7.3 自适应增强的低秩去噪方法

7.4 实验结果与分析

7.5 本章小结

第8章 基于结构信息提取的低秩图像去噪方法

8.1 概述

8.2 核维纳滤波

8.3 基于结构信息提取的低秩图像去噪框架

8.4 实验结果与分析

8.5 本章小结

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

9.1 概述

9.2 基于稀疏表示的去噪模型

9.3 图像细节保护的去噪方法

9.4 实验结果与分析

9.5 本章小结

第10章 基于增强低秩先验的两阶段图像去噪方法

10.1 概述

10.2 两阶段增强低秩先验模型去噪方法

10.3 实验结果与分析

10.4 本章小结

第11章 基于四元数组稀疏的彩色图像去噪方法

11.1 概述

11.2 彩色图像四元数分析

11.3 彩色图像去噪方法

11.4 实验结果

11.5 本章小结

第12章 总结与展望

12.1 总结

12.2 展望

参考文献