| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-13页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 本文研究内容 | 第11页 |
| 1.4 本文的组织结构 | 第11-13页 |
| 2 基于追踪理论的稀疏模型求解 | 第13-26页 |
| 2.1 引言 | 第13-14页 |
| 2.2 贪婪算法 | 第14-20页 |
| 2.2.1 解的唯一性 | 第14-15页 |
| 2.2.2 贪婪算法的基本原理 | 第15页 |
| 2.2.3 匹配追踪算法 | 第15-18页 |
| 2.2.4 阈值算法 | 第18页 |
| 2.2.5 贪婪算法的仿真实验 | 第18-20页 |
| 2.3 基于凸松弛理论的方法 | 第20-25页 |
| 2.3.1 松弛算法 | 第21-22页 |
| 2.3.2 基追踪算法 | 第22-23页 |
| 2.3.3 凸松弛算法的实验结果分析 | 第23-25页 |
| 2.4 小结 | 第25-26页 |
| 3 稀疏模型中字典的学习与设计 | 第26-40页 |
| 3.1 引言 | 第26页 |
| 3.2 字典的发展过程 | 第26-27页 |
| 3.3 结构字典理论方法 | 第27-30页 |
| 3.3.1 二重稀疏字典 | 第27-29页 |
| 3.3.2 联合基字典法 | 第29-30页 |
| 3.4 学习字典基本理论研究 | 第30-37页 |
| 3.4.1 学习字典算法 | 第30页 |
| 3.4.2 MOD 算法 | 第30-32页 |
| 3.4.3 K-SVD 算法 | 第32-33页 |
| 3.4.4 两种字典学习算法的比较性实验 | 第33-37页 |
| 3.5 一种基于 K-SVD 的自适应图像纹理描述的字典学习方法 | 第37-39页 |
| 3.6 本章小结 | 第39-40页 |
| 4 基于稀疏模型的图像形态成分分析 | 第40-57页 |
| 4.1 形态成分分析 | 第40-43页 |
| 4.2 基于局部重叠样本数据及 K-SVD 的图像修复 | 第43-48页 |
| 4.2.1 图像修复的研究现状 | 第43-44页 |
| 4.2.2 算法描述 | 第44-45页 |
| 4.2.3 实验分析与比较 | 第45-48页 |
| 4.3 基于 MCA 的卫星图像条带去除 | 第48-56页 |
| 4.3.1 卫星图像条带去除研究现状 | 第48-50页 |
| 4.3.2 卡通字典的构造 | 第50-51页 |
| 4.3.3 纹理字典的构造 | 第51-53页 |
| 4.3.4 实验分析与对比 | 第53-56页 |
| 4.4 本章小结 | 第56-57页 |
| 5 总结与展望 | 第57-59页 |
| 5.1 全文总结 | 第57页 |
| 5.2 未来工作展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63页 |