隨著人工智能及大數(shù)據(jù)的迅速發(fā)展,圖像處理問(wèn)題得到了越來(lái)越多的關(guān)注和研究。目前,圖像處理技術(shù)已被廣泛應(yīng)用于臨床醫(yī)學(xué)、遙感、刑偵等領(lǐng)域。在圖像的諸多特征中,紋理是一個(gè)重要而又難以描述的特性。由于紋理的非局部性以及自相似性與分?jǐn)?shù)階導(dǎo)數(shù)的性質(zhì)相吻合,基于分?jǐn)?shù)階偏微分方程的紋理圖像處理模型應(yīng)運(yùn)而生。遺憾的是,大多數(shù)分?jǐn)?shù)階微分方程的解析解中都含有特殊函數(shù)或復(fù)雜的級(jí)數(shù)。因此,對(duì)這類(lèi)方程的數(shù)值求解的研究變得尤為重要。分?jǐn)?shù)階導(dǎo)數(shù)的非局部性使得這類(lèi)方程的數(shù)值離散更加復(fù)雜,因此,研究構(gòu)造用于求解分?jǐn)?shù)階偏微分方程的高效算法是一項(xiàng)非常緊迫且有意義的工作。本文研究分?jǐn)?shù)階偏微分方程的高效數(shù)值算法設(shè)計(jì)以及紋理圖像處理中的分?jǐn)?shù)階建模。主要研究?jī)?nèi)容如下:針對(duì)一類(lèi)時(shí)間分?jǐn)?shù)階對(duì)流擴(kuò)散方程的初邊值問(wèn)題,利用變量替換,消除原有方程中的對(duì)流項(xiàng),將原問(wèn)題轉(zhuǎn)化為時(shí)間分?jǐn)?shù)階擴(kuò)散波動(dòng)方程。為了構(gòu)造高效數(shù)值計(jì)算格式,在空間方向上采用高階緊格式進(jìn)行數(shù)值離散,時(shí)間方向采用交替方向隱式差分法進(jìn)行格式構(gòu)造。該數(shù)值方法將高維問(wèn)題分解為若干一維問(wèn)題進(jìn)行求解,有效提升了計(jì)算效率。構(gòu)造新的離散范數(shù),進(jìn)而利用離散格林公式,證明了格式的無(wú)條件穩(wěn)定性及收斂性。最... 

【文章來(lái)源】：哈爾濱工業(yè)大學(xué)黑龍江省 211工程院校 985工程院校

【文章頁(yè)數(shù)】：120 頁(yè)

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 課題的背景和意義
    1.2 課題的研究現(xiàn)狀
        1.2.1 分?jǐn)?shù)階擴(kuò)散方程的數(shù)值算法
        1.2.2 基于分?jǐn)?shù)階變分的圖像超分辨重建模型
        1.2.3 基于分?jǐn)?shù)階非線性擴(kuò)散方程的圖像斑點(diǎn)噪聲去除模型
        1.2.4 基于分?jǐn)?shù)階非線性擴(kuò)散方程的紋理圖像去模糊模型
    1.3 本文的主要研究?jī)?nèi)容
第2章 分?jǐn)?shù)階對(duì)流擴(kuò)散方程的高精度數(shù)值算法
    2.1 緊交替方向隱式差分法
        2.1.1 常用記號(hào)和引理
        2.1.2 數(shù)值格式構(gòu)造
    2.2 可解性和截?cái)嗾`差
    2.3 穩(wěn)定性和收斂性
    2.4 數(shù)值結(jié)果
    2.5 本章小結(jié)
第3章 基于分?jǐn)?shù)階變分的圖像超分辨重建模型
    3.1 標(biāo)量輔助變量法
    3.2 基于分?jǐn)?shù)階變分的超分辨率重建模型
    3.3 算法設(shè)計(jì)
    3.4 數(shù)值實(shí)驗(yàn)
        3.4.1 實(shí)驗(yàn)設(shè)置
        3.4.2 單圖超分辨重建數(shù)值結(jié)果
    3.5 本章小結(jié)
第4章 基于分?jǐn)?shù)階擴(kuò)散方程的斑點(diǎn)噪聲去除模型
    4.1 預(yù)備知識(shí)
    4.2 模型描述
    4.3 性質(zhì)分析
        4.3.1 極值原理
        4.3.2 紋理保護(hù)
        4.3.3 去噪能力
    4.4 算法設(shè)計(jì)
        4.4.1 基于離散傅里葉變換的算法
        4.4.2 基于有限差分法的算法
    4.5 實(shí)驗(yàn)結(jié)果與分析
    4.6 本章小結(jié)
第5章 基于分?jǐn)?shù)階擴(kuò)散方程的圖像去模糊模型
    5.1 模型描述
    5.2 參數(shù)分析
    5.3 算法設(shè)計(jì)與實(shí)驗(yàn)結(jié)果
    5.4 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀博士學(xué)位期間發(fā)表的論文及其他成果
致謝
個(gè)人簡(jiǎn)歷


【參考文獻(xiàn)】：
期刊論文
[1]航天湍流退化圖像的極大似然估計(jì)規(guī)整化復(fù)原算法[J]. 洪漢玉,張?zhí)煨?余國(guó)亮.  紅外與毫米波學(xué)報(bào). 2005(02)



本文編號(hào)：3328712