图像去噪复原方法研究

第1章 绪论 1

1.1　研究目的和意义 1

1.2　图像去噪的研究概况与展望 3

1.2.1 国外研究概况 4

1.2.2 国内研究概况 8

1.2.3 存在的问题及发展展望 11

1.3 图像复原的研究概况和展望 13

1.3.1 国外研究概况 13

1.3.2 国内研究概况 17

1.3.3 存在的问题及发展展望 21

1.4 图像质量评价 22

1.4.1 主观质量评价法 24

1.4.2 客观质量评价法 25

"para" label-module="para">

2.1 小波分析基本理论 29

2.1.1 傅里叶变换到小波分析 29

2.1.2 连续小波变换 32

2.1.3 离散小波变换 33

2.1.4 多分辨分析与Mallet算法 34

2.2 脊波变换基本理论 36

2.2.1 脊波变换 36

2.2.2 离散脊波变换 38

2.3 本章小结 40

"para" label-module="para">

3.1 小波阈值去噪原理 41

3.2 小波阈值去噪函数 42

3.3 改进的小波阈值去噪函数 44

3.4 改进的统一阈值 45

3.5 仿真实验与结果 46

3.5.1 仿真实验过程 46

3.5.2 实验结果 47

3.6 本章小结 50

"para" label-module="para">

4.1 脊波变换与改进的小波阈值去噪 51

4.1.1 脊波变换去噪过程 52

4.1.2 脊波与小波融合去噪过程 52

4.2 仿真实验与结果 53

4.2.1 仿真实验 53

4.2.2 实验结果 54

4.3 图像融合的方法 58

4.4 本章小结 59

"para" label-module="para">

5.1 基于偏微分方程的去噪方法 61

5.2 变分法与PDE的相关理论 63

5.3 基于偏微分方程的图像去噪模型 66

5.3.1 各向同性PDE扩散模型 66

5.3.2 线性扩散PDE模型 68

5.3.3 非线性扩散PDE模型 70

5.4 本章小结 72

"para" label-module="para">

6.1 结构张量 74

6.1.1 线性结构张量 74

6.1.2 非线性结构张量 76

6.2 线积分卷积 77

6.3 基于加权型曲率保持PDE图像去噪 79

6.3.1 模型的提出 79

6.3.2 扩散张量的构造 80

6.3.3 权重函数的构造 81

6.3.4 实验验证和分析 83

6.4 本章小结 85

"para" label-module="para">

7.1 非局部平均滤波方法 88

7.1.1 非局部均值滤波法 89

7.1.2 非局部算子 91

7.2 非局部总广义变分模型及数值解法 92

7.3 基于Patch相似性保真的图像变分模型 94

7.3.1 模型的提出 94

7.3.2 实验验证及分析 96

7.4 基于Patch相似性的WCPDE滤波方法 97

7.4.1 模型的提出 97

7.4.2 实验验证及分析 99

7.5 本章小结 100

"para" label-module="para">

8.1 超分辨率图像复原的模型 101

8.2 传统超分辨率复原算法概述 104

8.2.1 基于插值的算法 104

8.2.2 基于重建的算法 105

8.2.3 基于学习的算法 107

8.3 稀疏表示理论 110

8.3.1 稀疏表示的数学模型 110

8.3.2 常用算法 112

8.3.3 相关定理 115

8.4 本章小结 117

"para" label-module="para">

9.1 字典学习 118

9.1.1 数学模型 119

9.1.2 常用算法 120

9.2 基于内容的字典学习和稀疏表示的超分辨率图像复原 122

9.2.1 聚类分析算法概述 122

9.2.2 K-means算法 123

9.2.3 图像重构 124

9.3 仿真实验与分析 128

9.4 本章小结 133

"_blank" href="/item/图像超分辨率/1608635" data-lemmaid="1608635">图像超分辨率复原 134

10.1 双字典的构建 135

10.2 图像的复原操作 138

10.3 仿真实验与分析 140

10.4 本章小结 144

"para" label-module="para">

11.1 DCT变换方法 146

11.1.1 DCT变换的压缩数据原理 147

11.1.2 DCT变换系数 147

11.2 基于DCT变换的图像复原 148

11.3 基于DCT变换的人脸复原算法改进 152

11.4 算法在超低分辨率人脸复原中的实现 154

11.5 仿真实验与分析 155

11.6 本章小结 157

参考文献 158

本书是作者在多年进行图像去噪图像复原研究的基础之上撰写而成的，系统地论述和分析了图像去噪图像复原的相关技术和理论。本书主要介绍小波分析和脊波变换、小波阈值去噪方法、基于脊波变换和图像融合的去噪方法、加权型曲率保持PDE图像滤波方法、结构保持的非局部图像变分模型与算法、图像复原相关理论、基于内容的双重字典学习的图像复原方法等。

中文名称

景观复原

英文名称

reconstruction of landscape

定　　义

运用室内研究及田野调查的方法对已经失去的景观进行恢复重建。

应用学科

地理学（一级学科），历史地理学（二级学科）

植物复原是利用绿色植物来转移、容纳或转化污染物使其对环境无害。植物复原的对象是重金属、有机物或放射性元素污染的土壤及水体。研究表明，通过植物的吸收、挥发、根滤、降解、稳定等作用，可以净化土壤或水体中的污染物，达到净化环境的目的，因而植物复原是一种很有潜力、正在发展的清除环境污染的绿色技术。

透过了解植物在重金属环境下的生存策略，有助于人类利用生物科技制造出可以大量吸收重金属的植物。基本上可以有效清除重金属污染的植物，最好须有下列特征:生长快速、根系能深植土壤、容易收割、能够容忍并累积多样化重金属。

《污染土壤修复原理与方法》系统地论述了污染土壤修复得计基本原理与基础理论，全面地介绍了污染土壤修复的各种方法与技术及其进展，比较详细地分析了现有方法所存在的技术问题与局限性，并对今后解决问题的办法与发展前景进行了展望。主要内容包括：污染土壤诊断及其方法，土壤污染风险评价与管理，污染土壤的植物修复、生物修复、化学修复、物理修复，污染土壤修复标准，污染土壤修复的技术再造与展望等。