基于字典学习的图像去噪与超分辨算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-13页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 研究现状 | 第9-12页 |
| 1.3 章节安排 | 第12-13页 |
| 2 字典学习的理论及应用 | 第13-21页 |
| 2.1 字典的构建 | 第13-18页 |
| 2.2 稀疏表示的方法 | 第18-20页 |
| 2.3 本章小结 | 第20-21页 |
| 3 基于纹理分析的图像去噪算法 | 第21-53页 |
| 3.1 图像边缘检测 | 第21-28页 |
| 3.1.1 Canny滤波器 | 第21-25页 |
| 3.1.2 Sobel滤波器 | 第25-26页 |
| 3.1.3 Laplacian滤波器 | 第26-28页 |
| 3.2 图像去噪方法的概述 | 第28-34页 |
| 3.2.1 非局部均值(NLM)算法 | 第28-29页 |
| 3.2.2 基于聚类的稀疏表示(CSR)算法 | 第29-31页 |
| 3.2.3 梯度直方图估计(GHP)方法 | 第31-34页 |
| 3.3 基于纹理密集度的去噪方法 | 第34-40页 |
| 3.3.1 不同区域的去噪效果分析 | 第34-38页 |
| 3.3.2 纹理密集度估计 | 第38-39页 |
| 3.3.3 具体步骤 | 第39页 |
| 3.3.4 算法流程图 | 第39-40页 |
| 3.4 实验结果 | 第40-52页 |
| 3.4.1 去噪方法的评价标准 | 第40-41页 |
| 3.4.2 NLM与CSR相结合的方法 | 第41-47页 |
| 3.4.3 CSR和GHP相结合的方法 | 第47-52页 |
| 3.5 本章小结 | 第52-53页 |
| 4 控制核约束的NCSR超分辨算法 | 第53-65页 |
| 4.1 核回归算法 | 第53-59页 |
| 4.1.1 经典核回归算法 | 第53-57页 |
| 4.1.2 数据自适应核回归 | 第57-59页 |
| 4.2 NCSR超分辨算法 | 第59-61页 |
| 4.3 基于控制核加权的NCSR超分辨算法 | 第61-63页 |
| 4.4 实验结果及分析 | 第63-64页 |
| 4.5 本章小结 | 第64-65页 |
| 结论 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 攻读硕士学位期间发表学术论文情况 | 第69-70页 |
| 致谢 | 第70-71页 |
