| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 1 绪论 | 第9-17页 |
| 1.1 研究背景与研究意义 | 第9-10页 |
| 1.2 模糊图像去噪复原技术研究现状 | 第10-14页 |
| 1.2.1 基于局部的图像复原方法 | 第10-11页 |
| 1.2.2 基于非局部的图像复原方法 | 第11页 |
| 1.2.3 图像稀疏表示方法 | 第11-12页 |
| 1.2.4 基于有限混合模型学习的图像复原方法 | 第12-14页 |
| 1.3 研究内容与研究方法 | 第14页 |
| 1.3.1 图像退化与图像去噪模型研究 | 第14页 |
| 1.3.2 基于稀疏先验的EPLL模糊图像去噪复原算法设计 | 第14页 |
| 1.3.3 算法实践对比研究 | 第14页 |
| 1.4 研究方法 | 第14-15页 |
| 1.4.1 文献阅读法 | 第14-15页 |
| 1.4.2 实践开发 | 第15页 |
| 1.4.3 对比验证 | 第15页 |
| 1.5 论文框架 | 第15-17页 |
| 2 模糊图像去噪相关理论与方法 | 第17-25页 |
| 2.1 图像退化模型分析 | 第17-18页 |
| 2.2 去噪模型 | 第18-19页 |
| 2.3 模糊分类 | 第19-21页 |
| 2.3.1 散焦模糊图像 | 第19-20页 |
| 2.3.2 运动模糊图像 | 第20-21页 |
| 2.3.3 高斯模糊图像 | 第21页 |
| 2.4 图像去噪复原先验知识 | 第21-24页 |
| 2.4.1 自然图像的梯度先验知识 | 第21-22页 |
| 2.4.2 图像边缘的先验知识 | 第22-24页 |
| 2.5 本章小结 | 第24-25页 |
| 3 基于稀疏先验的EPLL图像复原算法 | 第25-36页 |
| 3.1 EPLL的数学模型 | 第25-26页 |
| 3.2 稀疏表示方法 | 第26-28页 |
| 3.2.1 稀疏编码去噪模型 | 第26-27页 |
| 3.2.2 中心化稀疏模型 | 第27-28页 |
| 3.3 低秩稀疏的SVT算法 | 第28-31页 |
| 3.3.1 奇异值收缩算子 | 第29-30页 |
| 3.3.2 收缩迭代 | 第30-31页 |
| 3.4 基于稀疏先验的EPLL框架 | 第31-35页 |
| 3.4.1 基于稀疏先验的EPLL图像复原算法 | 第31-33页 |
| 3.4.2 算法实现 | 第33-35页 |
| 3.5 本章小结 | 第35-36页 |
| 4 仿真实验对比结果分析 | 第36-50页 |
| 4.1 仿真数据 | 第36-38页 |
| 4.1.1 测试样本 | 第36-38页 |
| 4.2 图像去噪模型 | 第38页 |
| 4.2.1 K-SVD算法 | 第38页 |
| 4.2.2 三维块匹配(BM3D)算法 | 第38页 |
| 4.2.3 EPLL+GMM算法 | 第38页 |
| 4.3 图像质量评价标准 | 第38-41页 |
| 4.3.1 定性评价法 | 第39页 |
| 4.3.2 定量评价法 | 第39-41页 |
| 4.4 仿真实验结果分析 | 第41-47页 |
| 4.4.1 定性分析 | 第41-43页 |
| 4.4.2 定量分析 | 第43-47页 |
| 4.5 图像去模糊分析 | 第47-49页 |
| 4.6 本章小结 | 第49-50页 |
| 5 总结与展望 | 第50-52页 |
| 5.1 总结 | 第50页 |
| 5.2 展望 | 第50-52页 |
| 参考文献 | 第52-58页 |
| 攻读硕士期间的研究成果 | 第58-59页 |
| 致谢 | 第59-60页 |