前言 第1章 變分多尺度分析 1.1 變分PDE的多尺度分析 1.1.1 反問題正則化參數(shù)的確定 1.1.2 ROF模型的多尺度分析 1.1.3 TV-L1與幾何多尺度 1.2 全變差新進(jìn)展 1.2.1 高階TV與TGV 1.2.2 梯度的差正則 1.2.3 全局稀疏梯度 參考文獻(xiàn) 第2章 逆尺度空間理論 2.1 迭代正則化與逆尺度空間方法 2.1.1 迭代正則化 2.1.2 逆尺度空間方法 2.2 分解空間與逆尺度空間 2.2.1 小波與貝索夫空間 2.2.2 波原子與貝索夫空間 2.2.3 曲線波與分解空間 2.2.4 剪切波與分解空間 參考文獻(xiàn) 第3章 稀疏表示與低秩表示 3.1 稀疏表示 3.1.1 l0稀疏理論與算法 3.1.2 l1稀疏理論與算法 3.2 低秩表示 3.2.1 矩陣核范數(shù)與分解表示 3.2.2 Trace-Lasso模型 3.2.3 Schatten-p范數(shù)與自適應(yīng)低秩 參考文獻(xiàn) 第4章 字典學(xué)習(xí)方法 4.1 字典學(xué)習(xí)的兩個(gè)經(jīng)典算法 4.1.1 MOD算法 4.1.2 K-SVD算法 4.2 光滑字典、多尺度字典與l1松弛 4.2.1 光滑字典 4.2.2 多尺度字典 4.2.3 l1松弛 4.3 交替迭代的收斂性分析 4.3.1 平穩(wěn)點(diǎn)與正則函數(shù) 4.3.2 l1約束字典學(xué)習(xí)問題的收斂性 4.3.3 l0約束字典學(xué)習(xí)問題的收斂性 4.4 l1約束字典學(xué)習(xí)的直接方法 參考文獻(xiàn) 第5章 非局部正則化與非局部逆尺度空間 5.1 非局部平均濾波算法 5.1.1 標(biāo)準(zhǔn)的非局部平均濾波算法 5.1.2 相似性度量和搜索窗的改進(jìn) 5.1.3 基于稀疏梯度場(chǎng)的非局部圖像去噪算法 5.2 塊匹配三維濾波算法 5.2.1 標(biāo)準(zhǔn)的塊匹配三維濾波算法 5.2.2 BM3D算法的小波子空間分析 5.2.3 方向擴(kuò)散方程修正BM3D 5.3 方法噪聲正則模型 5.3.1 基于L2范數(shù)的非局部平均正則模型 5.3.2 基于L1范數(shù)的非局部平均正則模型 5.3.3 修正的方法噪聲正則模型 5.4 非局部能量泛函 5.4.1 非局部濾波算子的變分形式 5.4.2 非局部濾波算子的擴(kuò)散形式 5.4.3 基于算子Tn的變分模型 5.5 非局部TV和非局部逆尺度空間 5.5.1 非局部ROF和非局部TV-L 5.5.2 非局部逆尺度空間 參考文獻(xiàn) 第6章 基于深度學(xué)習(xí)的圖像恢復(fù) 6.1 圖像恢復(fù)相關(guān)方法 6.2 深度去噪正則展開網(wǎng)絡(luò) 6.2.1 網(wǎng)絡(luò)模型 6.2.2 端到端訓(xùn)練策略 6.3 實(shí)驗(yàn)結(jié)果與討論 6.3.1 模型分析和消融研究 6.3.2 非盲去模糊性能評(píng)價(jià) 6.3.3 真實(shí)圖像去模糊性能評(píng)價(jià) 6.3.4 單圖像超分辨率性能評(píng)價(jià) 參考文獻(xiàn) 第7章 基于合作博弈的聯(lián)合邊緣檢測(cè)與圖像恢復(fù) 7.1 引言 7.1.1 邊緣檢測(cè) 7.1.2 圖像恢復(fù) 7.2 聯(lián)合邊緣檢測(cè)與圖像恢復(fù)的合作博弈模型 7.2.1 CG-IRED模型 7.2.2 昀小化算法 7.2.3 圖像恢復(fù)實(shí)驗(yàn)結(jié)果與分析 參考文獻(xiàn)