非局部组稀疏模型在图像恢复中的研究
| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第9-17页 |
| 1.1 图像恢复的研究背景及意义 | 第9-10页 |
| 1.2 图像恢复简介 | 第10-14页 |
| 1.2.1 图像去噪的发展现状 | 第10-12页 |
| 1.2.2 图像修复的发展现状 | 第12-14页 |
| 1.3 图像质量评价方法 | 第14-15页 |
| 1.3.1 MSE图像评价标准 | 第14页 |
| 1.3.2 PSNR图像评价标准 | 第14-15页 |
| 1.3.3 SSIM图像评价标准 | 第15页 |
| 1.4 本文的主要工作及内容安排 | 第15-17页 |
| 2 基于非局部稀疏表示的图像恢复简介 | 第17-25页 |
| 2.1 稀疏表示理论 | 第17-18页 |
| 2.2 基于稀疏表示的图像恢复模型 | 第18-19页 |
| 2.3 非局部稀疏表示模型的发展现状 | 第19-21页 |
| 2.4 经典模型介绍 | 第21-24页 |
| 2.4.1 NLM模型 | 第21-22页 |
| 2.4.2 NCSR模型 | 第22-23页 |
| 2.4.3 PGPD模型 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 3 基于非局部稀疏表示的分类字典学习模型 | 第25-36页 |
| 3.1 基于K-SVD算法的字典学习模型 | 第25-26页 |
| 3.2 基于稀疏表示的字典学习模型 | 第26-27页 |
| 3.3 基于非局部的分类字典学习模型 | 第27-30页 |
| 3.3.1 模型的提出 | 第27-28页 |
| 3.3.2 模型的优化过程 | 第28-30页 |
| 3.4 实验分析 | 第30-35页 |
| 3.4.1 分类子字典 | 第30-31页 |
| 3.4.2 图像去噪 | 第31-33页 |
| 3.4.3 图像质量评价 | 第33-35页 |
| 3.5 本章小结 | 第35-36页 |
| 4 基于分析的非局部组稀疏图像恢复模型 | 第36-49页 |
| 4.1 非局部组稀疏模型 | 第36-39页 |
| 4.1.1 组稀疏模型的提出 | 第36-38页 |
| 4.1.2 组稀疏算子的构造过程 | 第38-39页 |
| 4.2 图像去噪和边缘检测模型 | 第39-43页 |
| 4.2.1 模型的提出与优化 | 第39-41页 |
| 4.2.2 实验结果 | 第41-43页 |
| 4.3 图像分解和图像修复模型 | 第43-48页 |
| 4.3.1 模型的提出与优化 | 第43-45页 |
| 4.3.3 实验分析 | 第45-48页 |
| 4.5 本章小结 | 第48-49页 |
| 5 总结与展望 | 第49-50页 |
| 参考文献 | 第50-55页 |
| 攻读硕士学位期间取得的成果 | 第55-56页 |
| 致谢 | 第56-58页 |
