基于聚类和加权非局部的图像稀疏去噪方法研究
| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景及意义 | 第9页 |
| 1.2 研究现状 | 第9-11页 |
| 1.3 本文主要工作 | 第11-13页 |
| 1.3.1 主要研究内容 | 第11页 |
| 1.3.2 论文组织结构 | 第11-13页 |
| 第二章 稀疏表示概述 | 第13-22页 |
| 2.1 稀疏表示的理论 | 第13-14页 |
| 2.2 稀疏表示去噪原理 | 第14-15页 |
| 2.3 稀疏分解方法 | 第15-18页 |
| 2.3.1 匹配追踪算法 | 第15-16页 |
| 2.3.2 正交匹配追踪算法 | 第16-17页 |
| 2.3.3 Lasso算法 | 第17-18页 |
| 2.4 字典获取方法 | 第18-19页 |
| 2.5 图像去噪的评价准则 | 第19-21页 |
| 2.6 本章小结 | 第21-22页 |
| 第三章 基于聚类和K-SVD的图像去噪方法 | 第22-35页 |
| 3.1 K-SVD算法简介 | 第22-23页 |
| 3.2 基于聚类和K-SVD的图像去噪 | 第23-27页 |
| 3.2.1 改进的K-Means聚类算法 | 第23-26页 |
| 3.2.2 基于聚类和K-SVD的图像去噪模型 | 第26-27页 |
| 3.3 实验结果 | 第27-34页 |
| 3.3.1 去噪效果测试 | 第27-32页 |
| 3.3.2 边缘保护效果测试 | 第32-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第四章 基于加权重的非局部稀疏图像去噪方法 | 第35-44页 |
| 4.1 非局部稀疏模型 | 第35-36页 |
| 4.2 加权重的非局部稀疏去噪方法 | 第36-39页 |
| 4.2.1 相似集合的计算 | 第36-37页 |
| 4.2.2 权重的计算 | 第37-38页 |
| 4.2.3 加权重的非局部稀疏去噪模型 | 第38-39页 |
| 4.3 实验结果 | 第39-43页 |
| 4.4 本章小结 | 第43-44页 |
| 第五章 总结与展望 | 第44-46页 |
| 5.1 本文研究工作的总结 | 第44页 |
| 5.2 工作展望 | 第44-46页 |
| 参考文献 | 第46-50页 |
| 发表论文和科研情况说明 | 第50-51页 |
| 致谢 | 第51-52页 |
