| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第一章 绪论 | 第8-17页 |
| 1.1 研究背景及意义 | 第8-10页 |
| 1.1.1 无线多媒体传感器网络概述 | 第8-9页 |
| 1.1.2 无线多媒体传感器网络视频图像特征分析 | 第9-10页 |
| 1.2 视频图像去噪算法的研究现状 | 第10-14页 |
| 1.2.1 视频图像噪声的分类及模型 | 第10-11页 |
| 1.2.2 视频图像去噪的研究现状 | 第11-14页 |
| 1.3 视频图像去噪质量的评价标准 | 第14-15页 |
| 1.4 本论文的主要工作及结构安排 | 第15-17页 |
| 第二章 低秩稀疏矩阵分解理论 | 第17-26页 |
| 2.1 低秩稀疏矩阵分解及其研究现状 | 第17-18页 |
| 2.2 低秩稀疏矩阵分解算法 | 第18-25页 |
| 2.2.1 预备知识 | 第18-19页 |
| 2.2.2 低秩稀疏矩阵分解算法分析 | 第19-25页 |
| 2.3 本章小结 | 第25-26页 |
| 第三章 基于稀疏表示的图像形态成分分析 | 第26-35页 |
| 3.1 稀疏表示基础理论 | 第26页 |
| 3.2 图像的稀疏表示 | 第26-27页 |
| 3.3 图像的稀疏编码方法 | 第27-29页 |
| 3.4 字典学习方法 | 第29-31页 |
| 3.5 基于稀疏表示的形态成分分析 | 第31-34页 |
| 3.5.1 MCA理论基础 | 第31-33页 |
| 3.5.2 子字典的构建 | 第33页 |
| 3.5.3 求解算法 | 第33-34页 |
| 3.6 本章小结 | 第34-35页 |
| 第四章 WMSN视频图像高斯噪声及雨条纹噪声去除算法 | 第35-46页 |
| 4.1 引言 | 第35-37页 |
| 4.1.1 去噪模型分析 | 第35-36页 |
| 4.1.2 视频图像特征信息的恢复 | 第36-37页 |
| 4.2 基于LRTV-MCA的算法设计 | 第37-42页 |
| 4.2.1 WMSN视频图像中高斯噪声及雨条纹噪声的去除 | 第37-40页 |
| 4.2.2 基于MCA的WMSN视频图像特征信息恢复 | 第40-42页 |
| 4.3 实验结果对比与分析 | 第42-45页 |
| 4.4 本章小结 | 第45-46页 |
| 第五章 动态背景条件下基于LRTV-MCA的WMSN视频图像去噪算法 | 第46-53页 |
| 5.1 算法介绍 | 第46-47页 |
| 5.2 视频帧间块匹配 | 第47-49页 |
| 5.2.1 Patch Match算法原理 | 第47-49页 |
| 5.2.2 帧间块匹配 | 第49页 |
| 5.3 高斯噪声及雨条纹噪声的去除 | 第49-50页 |
| 5.4 实验结果对比与分析 | 第50-52页 |
| 5.5 本章小结 | 第52-53页 |
| 第六章 总结与展望 | 第53-55页 |
| 6.1 本文工作回顾 | 第53-54页 |
| 6.2 工作展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 个人简历 在读期间发表的学术论文 | 第59-60页 |
| 致谢 | 第60页 |
