| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 目录 | 第5-7页 |
| 第一章 绪论 | 第7-11页 |
| 1.1 研究背景与意义 | 第7页 |
| 1.2 图像去噪技术的发展 | 第7-9页 |
| 1.3 论文的主要工作和结构安排 | 第9-11页 |
| 第二章 图像去噪方法概述 | 第11-19页 |
| 2.1 自然图像的噪声模型 | 第11-12页 |
| 2.2 经典的图像去噪方法 | 第12-18页 |
| 2.2.1 空间域去噪 | 第13-14页 |
| 2.2.2 变换域去噪 | 第14-17页 |
| 2.2.3 最优线性滤波技术 | 第17-18页 |
| 2.3 本章小结 | 第18-19页 |
| 第三章 图像的稀疏表示理论 | 第19-30页 |
| 3.1 稀疏表示概述 | 第19-20页 |
| 3.2 图像的过完备稀疏表示 | 第20-29页 |
| 3.2.1 图像的过完备稀疏表示模型 | 第20-22页 |
| 3.2.2 稀疏分解算法 | 第22-25页 |
| 3.2.3 过完备字典的设计 | 第25-26页 |
| 3.2.4 过完备字典的学习方法 | 第26-29页 |
| 3.3 本章小结 | 第29-30页 |
| 第四章 基于 APBT 字典的图像去噪 | 第30-44页 |
| 4.1 全相位双正交变换(APBT) 及其性质分析 | 第30-33页 |
| 4.1.1 全相位双正交变换(APBT) | 第30-31页 |
| 4.1.2 信号的全相位双正交变换方法 | 第31-32页 |
| 4.1.3 APBT 变换的低频能量聚集性 | 第32-33页 |
| 4.2 由 ABPT 基构造原子库 | 第33-35页 |
| 4.2.1 APBT 原子库的构造 | 第33-35页 |
| 4.3 基于 APBT 类字典的图像去噪 | 第35-43页 |
| 4.3.1 基于稀疏表示的图像去噪模型 | 第35页 |
| 4.3.2 基于稀疏表示的图像去噪模型 | 第35-36页 |
| 4.3.3 基于 APBT 类字典的图像去噪 | 第36-37页 |
| 4.3.4 实验结果与分析 | 第37-43页 |
| 4.4 本章小结 | 第43-44页 |
| 第五章 基于稀疏表示和自相似性正则化的图像去噪 | 第44-59页 |
| 5.1 基于学习型字典的图像去噪模型 | 第44-45页 |
| 5.2 基于相关系数匹配和噪声原子裁剪的字典训练方法 | 第45-48页 |
| 5.2.1 基于相关系数匹配准则的稀疏编码方法 | 第45-46页 |
| 5.2.2 基于噪声原子剪裁的字典优化 | 第46-47页 |
| 5.2.3 改进的 K-SVD 字典训练方法 | 第47-48页 |
| 5.3 基于改进 K-SVD 字典学习和非局部自相似性正则化的图像去噪 | 第48-50页 |
| 5.3.1 图像的非局部自相似性 | 第48-49页 |
| 5.3.2 基于改进 K-SVD 字典学习和自相似性正则化的图像去噪 | 第49-50页 |
| 5.4 实验及结果分析 | 第50-57页 |
| 5.4.1 PSNR 值比较 | 第51-52页 |
| 5.4.2 图像对比 | 第52-57页 |
| 5.5 本章小结 | 第57-59页 |
| 第六章 总结与展望 | 第59-61页 |
| 6.1 论文总结 | 第59页 |
| 6.2 展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 发表论文和参加科研情况说明 | 第65-66页 |
| 致谢 | 第66页 |
