| 作者简介 | 第1-4页 |
| 摘要 | 第4-7页 |
| ABSTRACT | 第7-15页 |
| 第一章 绪论 | 第15-31页 |
| ·研究背景及意义 | 第15-16页 |
| ·稀疏编码的研究内容及现状 | 第16-21页 |
| ·论文主要研究工作及章节安排 | 第21-25页 |
| 本章参考文献 | 第25-31页 |
| 第二章 视觉图像稀疏编码原理及系统框架 | 第31-57页 |
| ·引言 | 第31页 |
| ·视觉图像处理的生理基础概述 | 第31-33页 |
| ·视觉图像稀疏编码的多尺度多分辨分析 | 第33-35页 |
| ·视觉图像的过完备稀疏编码模型及分析 | 第35-47页 |
| ·视觉图像稀疏编码系统及框架 | 第47-51页 |
| ·本章小结 | 第51-52页 |
| 本章参考文献 | 第52-57页 |
| 第三章 基于优化GABOR字典的图像稀疏编码算法 | 第57-85页 |
| ·引言 | 第57-59页 |
| ·过完备GABOR字典及特性分析 | 第59-64页 |
| ·信号的稀疏表示及最佳原子搜索算法分析 | 第64-67页 |
| ·粒子群优化算法及改进 | 第67-76页 |
| ·基于优化GABOR字典的图像稀疏编码算法描述 | 第76-77页 |
| ·数值实验及分析 | 第77-81页 |
| ·本章小结 | 第81页 |
| 本章参考文献 | 第81-85页 |
| 第四章 基于过完备稀疏表示的多传感器图像融合算法 | 第85-99页 |
| ·引言 | 第85-86页 |
| ·多传感器图像融合概述 | 第86-89页 |
| ·基于自适应字典学习的图像稀疏编码算法描述 | 第89-91页 |
| ·图像融合算法描述 | 第91-92页 |
| ·数值实验及分析 | 第92-96页 |
| ·本章小结 | 第96页 |
| 本章参考文献 | 第96-99页 |
| 第五章 基于在线字典学习的图像稀疏表示及超分辨重建算法 | 第99-117页 |
| ·引言 | 第99页 |
| ·图像超分辨重建方法概述 | 第99-102页 |
| ·图像稀疏编码模型分析 | 第102-103页 |
| ·基于在线字典学习的图像稀疏编码算法描述 | 第103-105页 |
| ·图像超分辨重建算法描述 | 第105-107页 |
| ·数值实验及分析 | 第107-112页 |
| ·本章小结 | 第112-113页 |
| 本章参考文献 | 第113-117页 |
| 第六章 基于改进NSCT变换的图像稀疏表示及去噪算法 | 第117-139页 |
| ·引言 | 第117页 |
| ·图像稀疏表示的NSCT变换及改进 | 第117-128页 |
| ·基于改进NSCT结合高斯比例混合模型的图像去噪 | 第128-131页 |
| ·数值实验及分析 | 第131-135页 |
| ·本章小结 | 第135页 |
| 本章参考文献 | 第135-139页 |
| 第七章 基于视觉同步振荡机制的脉冲耦合神经网络及应用 | 第139-157页 |
| ·引言 | 第139页 |
| ·脉冲耦合神经网络模型及简化 | 第139-142页 |
| ·基于双层 PCNN 的图像分割算法 | 第142-150页 |
| ·基于改进 LP 变换结合 PCNN 的抗噪声多聚焦图像融合算法 | 第150-154页 |
| ·本章小结 | 第154页 |
| 本章参考文献 | 第154-157页 |
| 第八章 总结与展望 | 第157-163页 |
| ·总结 | 第157-159页 |
| ·展望 | 第159-163页 |
| 致谢 | 第163-165页 |
| 作者攻读博士学位期间的研究成果 | 第165-167页 |
