| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题的背景及研究意义 | 第9页 |
| 1.2 课题的研究现状及分析 | 第9-14页 |
| 1.2.1 图像去噪算法研究现状分析 | 第10-11页 |
| 1.2.2 图像超分辨率算法研究现状分析 | 第11-13页 |
| 1.2.3 稀疏理论的发展现状分析 | 第13-14页 |
| 1.3 本文的主要研究内容和章节安排 | 第14-15页 |
| 第2章 稀疏理论中的字典学习算法 | 第15-25页 |
| 2.1 引言 | 第15页 |
| 2.2 基本的稀疏理论 | 第15-16页 |
| 2.3 字典学习方法 | 第16-24页 |
| 2.3.1 DCT 变换基 | 第16-17页 |
| 2.3.2 KSVD 全局字典学习 | 第17-20页 |
| 2.3.3 KLLD 局部多字典学习 | 第20-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 基于字典学习稀疏算法的图像去噪 | 第25-32页 |
| 3.1 引言 | 第25页 |
| 3.2 图像小块稀疏模型 | 第25-26页 |
| 3.3 整体图像的去噪处理模型 | 第26页 |
| 3.4 具体算法 | 第26-27页 |
| 3.5 仿真结果比较 | 第27-31页 |
| 3.5.1 评价标准 | 第27-28页 |
| 3.5.2 三种字典下的去噪结果比较 | 第28-31页 |
| 3.6 本章小结 | 第31-32页 |
| 第4章 基于字典稀疏算法的图像超分辨率 | 第32-53页 |
| 4.1 引言 | 第32页 |
| 4.2 基于全局字典稀疏算法的图像超分辨率 | 第32-42页 |
| 4.2.1 基于初始样本小块字典的图像超分辨率算法 | 第32-36页 |
| 4.2.2 基于拉格朗日对偶法字典训练的超分辨率 | 第36-40页 |
| 4.2.3 基于 KSVD 字典训练的超分辨率 | 第40-42页 |
| 4.3 基于局部多字典稀疏算法的图像超分辨率 | 第42-47页 |
| 4.3.1 K-means 图像分类 | 第42-43页 |
| 4.3.2 局部字典训练 | 第43-45页 |
| 4.3.3 局部字典的自适应选择 | 第45-46页 |
| 4.3.4 基于局部字典稀疏算法 SR 重建 | 第46-47页 |
| 4.4 算法对比分析 | 第47-52页 |
| 4.4.1 全局字典算法仿真结果分析 | 第47-50页 |
| 4.4.2 局部字典算法仿真结果分析 | 第50-52页 |
| 4.5 本章小结 | 第52-53页 |
| 第5章 基于不同稀疏系数算法的图像超分辨率 | 第53-58页 |
| 5.1 引言 | 第53页 |
| 5.2 系数求解算法 | 第53-56页 |
| 5.2.1 OMP 算法 | 第53-54页 |
| 5.2.2 ROMP 算法 | 第54-55页 |
| 5.2.3 符号搜索算法 | 第55-56页 |
| 5.3 不同稀疏算法下的重建结果 | 第56-57页 |
| 5.4 本章小结 | 第57-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-65页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第65-67页 |
| 致谢 | 第67页 |