| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 1 绪论 | 第8-16页 |
| ·图像去噪的意义 | 第8页 |
| ·图像去噪的研究现状 | 第8-11页 |
| ·噪声模型 | 第9-10页 |
| ·去噪算法 | 第10-11页 |
| ·基于过完备原子库稀疏分解的研究现状 | 第11-13页 |
| ·图像去噪效果评价标准 | 第13-15页 |
| ·论文主要工作和组织架构 | 第15-16页 |
| 2 图像稀疏分解理论和 K-SVD 算法 | 第16-27页 |
| ·几种图像变换的介绍 | 第16-20页 |
| ·基于过完备原子库的稀疏分解理论 | 第20-24页 |
| ·稀疏分解的含义 | 第20-21页 |
| ·MP 算法和 OMP 算法 | 第21-22页 |
| ·OMP 算法和 MP 算法的重构条件 | 第22-23页 |
| ·匹配追踪算法的复杂性 | 第23-24页 |
| ·过完备字典和 K-SVD 算法 | 第24-27页 |
| ·过完备字典的构造 | 第25页 |
| ·K-SVD 算法 | 第25-27页 |
| 3 稀疏分解图像去噪 | 第27-34页 |
| ·稀疏分解图像去噪的原理和流程 | 第27-28页 |
| ·基于传统阈值的稀疏分解中图像有效信息与噪声的区分 | 第28-29页 |
| ·硬阈值 | 第28页 |
| ·残差率阈值 | 第28-29页 |
| ·基于相干比的图像有效信息与噪声区分 | 第29-31页 |
| ·相干比的定义 | 第29-30页 |
| ·相干比阈值的确定 | 第30-31页 |
| ·基于残差比阈值的图像有效信息与噪声区分 | 第31-34页 |
| 4 基于 K-SVD 和残差比的低信噪比图像稀疏表示去噪算法 | 第34-47页 |
| ·算法介绍 | 第34-35页 |
| ·基于 K-SVD 和残差比的图像去噪算法设计 | 第35-38页 |
| ·实验设计及结果分析 | 第38-46页 |
| ·Symlets 小波和 Contourlet 变换简介 | 第38-39页 |
| ·试验结果和分析 | 第39-46页 |
| ·算法参数分析和小结 | 第46-47页 |
| 5 总结与展望 | 第47-50页 |
| ·论文内容回顾和总结 | 第47-49页 |
| ·展望 | 第49-50页 |
| 致谢 | 第50-51页 |
| 参考文献 | 第51-55页 |
| 附录 | 第55页 |
| A. 作者在攻读硕士学位期间参与发表的论文目录 | 第55页 |
| B. 作者在攻读学位期间参加科研项目目录 | 第55页 |
