第1章圖像及信號復原概論 .

1.1 圖像與圖像獲取.

1.1.1 連續圖像.

1.1.2圖像感知與獲取

1.1.3數字圖像  ."

1.2信號繫統與圖像形成 .

1.3傅裡葉變換與卷積定理

1.3.1傅裡葉變換

1.3.2頻域濾波.

1.3.3卷積與傅裡葉變換.

1.4 圖像復原與圖像先驗建模.

1.4.1反卷積圖像復原問題的不適定性.

1.4.2圖像先驗建模.

1.5 本書內容導讀.參考文獻

第2章圖像復原及其建模基礎

2.1 引言 .

2.2圖像模糊退化建模

2.2.1圖像模糊的信號繫統建模 .

2.2.2圖像退化的矩陣-向量表示.

2.2.3 圖像退化的頻域表示.

2.2.4常用模糊模型

2.3常用噪聲建模.  

2.3.1加性噪聲

2.3.2 非加性噪聲

2.4 圖像復原的濾波方法

2.4.1逆濾波 .

2.4.2維納濾波.

2.4.3幾何均值濾波

2.4.4約束小二乘濾波

2.5網像復原的正則化方法

2.5.1 用像復原的廣義解分析.  

2.5.2 截斷 SVD正則化

2.5.3
Tikohonov 正則化.

2.5.4 非二次正則化

2.5.5稀疏正則化.

2.5.6 復合正則化.

2.5.7 形態成分正則化

2.6貝葉斯推斷 .

2.7正則化參數作用與選取方法

2.7.1正則化參數作用.

2.7.2正則化參數的選取方法 .

2.8本章小結參考文獻.

第3章全變差及其演化:從整數階到分數階.

3.1引言

3.2函數空間與廣義導數.

3.2.1範數與內積

3.22廣義導數和分布導數.

3.3有界變差函數空間與全變差建模

3.3.1 全變差與有界變差函數空間

3.3.2BV空間圖像建模與全變差正則化

3.4非局部全變差建模

3.5高階全變差建模.

3.5.1二階全變差建模.

3.5.2廣義全變差建模.

3.6 分數階全變差建模

3.6.1分數階導數簡介

3.6.2分數階BV空間與分數階正則化.

3.7本章小結.參考文獻

第4章全變差正則化及其推廣:優化算法 .

4.1引言 .

4.2非線性化基礎.

4.2.1
Banach 空間微分學基礎

4.2.2泛函變分極小化.

4.2.3極小化與軟閾值算子

4.3全變差正則化模型求解算法

4.3.1 梯度下降算法.

4.3.2Chambolle
投影算法 .

4.3.3基於算子分裂的迭代方法

4.4全變差推廣模型優化算法. 。

4.4.1NLTV正則化模型優化算法 .

4.4.2TGV正則化模型優化算法 .

4.4.3分數階全變差模型優化算法.

4.5本章小結."參考文獻

第5章全變差正則化圖像復原:復合正則化

5.1引言 . .

5.2全變差與Weberized全變差復合正則化乘性噪聲抑制

5.2.1乘性伽馬噪聲抑制模型.

5.2.2基於TV和WeberizedTV的復合正則化的變分模型.

5.2.3滯後擴散不動點迭代算法.

5.2.4實驗結果與分析.

5.3加權各向異性全變差與Tetrolet稀疏性復合正則化圖像復原.

5.3.1Tetrolet
變換.  

5.3.2復合正則化圖像復原模型與算法 .*.

5.3.3實驗結果比較與分析.  

5.4本章小結.  

參考文獻.

第6章全變差正則化圖像盲復原:邊緣啟發核估計

6.1引言

6.2模型的提出 .  

6.2.1 圖像分解模型作用分析.

6.2.2自適應方向梯度作用分析

6.3邊緣啟發式圖像盲去模糊算法.

6.3.1算法流程總覽   

6.3.2基於圖像分解的強邊緣恢復.  

6.3.3基於自適應方向導數濾波器的模糊核估計 .

6.3.4快速的清晰圖像恢復.  

6.3.5 圖像非盲去卷積.  .

6.4實驗結果與分析 .

6.4.1 模擬數據實驗.  

6.4.2 真實數據實驗 ."

6.5 本章小結 參考文獻

第7章 高階全變差正則化圖像復原

7.1 引言 . .

7.2高階全變差正則化乘性噪聲抑制 .

7.2.1 模型描述

7.2.2算法描述與分析

7.2.3實驗結果比較與分析 .

7.3高階全變差正則化圖像復原快速算法

7.3.1 模型描述

7.3.2 算法描述與分析

7.3.3實驗結果比較與分析.

7.4 混合高階全變差正則化圖像復原

7.41模型描述  

7.4.2算法描述與分析

7.4.3 實驗結果比較與分析

7.5本章小結 參考文獻

第8章 分數階全變差正則化圖像復原.

8.1引言

8.2自適應分數階迭代正則化模型及算法.

8.2.1分數階迭代正則化模型.

8.2.2 算法收斂性分析

8.2.3 實驗比較與分析

8.3分數階正則化重加權殘差反饋迭代算法及應用

8.3.1重加權殘差反饋迭代算法.

8.3.2圖像模糊隸屬度及參數自適應.

8.3.3RRFI方法應用:乘性噪聲抑制.

8.4泊松噪聲條件下的復合正則化模型與算法

8.4.1 模型的提出

8.4.2 基於ADMM方法地描述 .

8.4.3數值比較與分析.

8.5本章小結.

參考文獻.