声明
摘要
第1章绪论
1.1研究背景及意义
1.1.1研究内容
1.1.2研究意义
1.1.3深度学习技术的价值和挑战
1.2国内外研究现状
1.2.1图像平滑
1.2.2基于反光的图像复原
1.2.3本征图像分解
1.2.4参数化图像处理
1.3本文的主要工作和创新点
1.4论文组织结构
第2章基于无监督学习的空间自适应图像平滑算法
2.1引言
2.2基于无监督学习的空间自适应图像平滑算法
2.2.1目标函数的定义
2.2.2动态空间自适应的Lp平滑项
2.2.3基于深度学习的优化
2.3实现细节
2.4方法分析和讨论
2.4.1不同优化器的视觉效果
2.4.2带有固定Lp分布的不同优化器的性能比较
2.4.3带有动态Lp分布的不同优化器的性能比较
2.5实验结果
2.5.1自对比实验
2.5.2与传统方法的对比
2.6应用
2.6.1图像抽象化和铅笔素描
2.6.2细节增强
2.6.3纹理去除
2.6.4基于内容的图像处理
2.7本章小结
第3章基于弱监督学习的图像反光去除算法
3.1引言
3.2基于弱监督学习的图像反光去除算法
3.2.1边缘学习算法
3.2.2图像重建算法
3.2.3基于深度学习的算法实现
3.2.4目标函数的定义
3.2.5弱监督信号的生成
3.3实验结果
3.3.1自对比实验
3.3.2图像反光去除
3.3.3图像平滑
3.4本章小结
第4章基于多标签联合训练的本征图像分解算法
4.1引言
4.2基于多标签联合训练的本征图像分解算法
4.2.1直接本征图像估计网络
4.2.2导向网络
4.2.3域滤波器
4.3灵活的监督损失层
4.3.1稀疏的成对比较数据
4.3.2密集的图像标签
4.4实验结果
4.4.1在IIW数据上的稀疏成对监督
4.4.2在MPI-Sintel和MIT数据集的密集监督
4.4.3基于多标签的联合监督
4.5本章小结
第5章基于解耦学习的实时参数化图像处理算法
5.1引言
5.2基于解耦学习的实时参数化图像处理算法
5.2.1问题定义和动机
5.2.2深度学习的算法实现
5.2.3图像算子的选择
5.2.4数据采样
5.3实验结果
5.3.1定性和定量比较
5.3.2拓展到多个输入参数
5.3.3拓展到多个图像算子的联合训练
5.3.4与先进图像算子的性能比较
5.3.5理解和分析
5.4本章小结
第6章总结与展望
6.1全文总结
6.2工作展望
参考文献
致谢
攻读学位期间发表的学术论文目录
攻读学位期间参与科研项目及获奖情况
外文论文