图像在获取和传输过程中，不可避免地会受到噪声污染，致使图像质量下降，严重影响了后续图像处理工作(如图像超分辨率、图像分割、图像识别、特征提取等。 为了提高图像质量，为后续图像处理提供更可靠真实的图像，对图像进行去噪处理就成为图像处理中一项基础而重要的研究工作。图像去噪的目的是根据观察到的降质图像估计恢复原始真实图像，即在去除噪声同时更好保持图像中的重要结构信息。研究如何更好保持图像的边缘、纹理等重要结构信息的图像去噪模型和算法具有重要的理论意义和实用价值。 本论文以刻画边缘和纹理的图像先验建模

利用图像非局部不连续性测度的概念,建立了面向图像超分辨的非局部正则化能量泛函和相应的变分框架.理论分析了该框架与目前关于双边滤波等一类广义邻域滤波器和经典的变分偏微分方程模型之间的联系.推导了该非局部泛函约束的变分模型最优解满足的积分形式欧拉-拉格朗日方程,并研究了其最速下降流满足的若干重要性质.基于图理论,设计了图像超分辨的自适应加权迭代算法.最后通过选择不同势函数的非局部正则化泛函进行图像去噪、去马赛克效应和图像超分辨处理,性能分析表明:相同势函数下,非局部正则化方法优于同类局部正则化方法,

利用图像非局部不连续性测度的概念,建立了面向图像超分辨的非局部正则化能量泛函和相应的变分框架.理论分析了该框架与目前关于双边滤波等一类广义邻域滤波器和经典的变分偏微分方程模型之间的联系.推导了该非局部泛函约束的变分模型最优解满足的积分形式欧拉-拉格朗日方程,并研究了其最速下降流满足的若干重要性质.基于图理论,设计了图像超分辨的自适应加权迭代算法.最后通过选择不同势函数的非局部正则化泛函进行图像去噪、去马赛克效应和图像超分辨处理,性能分析表明:相同势函数下,非局部正则化方法优于同类局部正则化方法,