摘要 | 第5-6页 |
Abstract | 第6页 |
第一章 绪论 | 第13-21页 |
1.1 课题研究背景与意义 | 第13-14页 |
1.2 论文研究现状 | 第14-16页 |
1.2.1 图像去噪研究现状 | 第14-15页 |
1.2.2 稀疏表示研究现状 | 第15-16页 |
1.3 图像质量的评价 | 第16-18页 |
1.3.1 主观评价 | 第17页 |
1.3.2 客观评价 | 第17-18页 |
1.4 论文研究内容 | 第18-19页 |
1.5 本文内容安排 | 第19-21页 |
第二章 图像去噪综述 | 第21-31页 |
2.1 空间域图像去噪方法 | 第21-24页 |
2.1.1 均值滤波 | 第21-23页 |
2.1.2 中值滤波 | 第23-24页 |
2.2 频率域图像去噪方法 | 第24-26页 |
2.2.1 低通滤波 | 第24-26页 |
2.3 经典小波去噪法 | 第26-29页 |
2.3.1 小波阈值去噪 | 第26-29页 |
2.4 本章小结 | 第29-31页 |
第三章 改进的K-奇异值分析图像去噪算法研究 | 第31-61页 |
3.1 稀疏表示简介 | 第31-34页 |
3.1.1 稀疏表示理论 | 第31-32页 |
3.1.2 稀疏表示模型 | 第32-34页 |
3.2 稀疏分解算法 | 第34-40页 |
3.2.1 松弛优化算法 | 第34-35页 |
3.2.2 贪婪追踪算法 | 第35-37页 |
3.2.3 组合优化算法 | 第37页 |
3.2.4 最速下降法理论 | 第37-38页 |
3.2.5 改进的最速下降正交匹配追踪 | 第38-40页 |
3.3 过完备字典的设计 | 第40-41页 |
3.3.1 固定字典 | 第40-41页 |
3.3.2 学习型字典 | 第41页 |
3.4 过完备字典的学习方法 | 第41-43页 |
3.4.1 最优方向法 | 第41-42页 |
3.4.2 K-奇异值分解 | 第42-43页 |
3.5 K-奇异值分解图像去噪 | 第43-44页 |
3.6 改进的K-奇异值分解图像去噪算法 | 第44-49页 |
3.6.1 K-均值聚类算法 | 第44-45页 |
3.6.2 字典噪声原子裁剪 | 第45-46页 |
3.6.3 稀疏贝叶斯学习 | 第46-47页 |
3.6.4 改进的K-SVD去噪算法描述 | 第47-49页 |
3.7 仿真实验及结果分析 | 第49-59页 |
3.7.1 传统K-SVD去噪效果分析 | 第49-52页 |
3.7.2 改进的K-SVD去噪效果分析 | 第52-59页 |
3.8 本章小结 | 第59-61页 |
第四章 基于结构和纹理部分的图像去噪算法研究 | 第61-79页 |
4.1 引言 | 第61-62页 |
4.2 MCA分解模型 | 第62-63页 |
4.3 基于MCA的图像去噪算法 | 第63-64页 |
4.4 结构部分去噪 | 第64-66页 |
4.5 纹理部分去噪 | 第66-69页 |
4.5.1 全相位离散余弦双正交变换(APDCBT) | 第66-67页 |
4.5.2 APBT原子库的构造 | 第67-68页 |
4.5.3 APDCBT字典纹理图像去噪模型 | 第68-69页 |
4.6 仿真结果与分析 | 第69-77页 |
4.6.1 基于MCA噪声图像的结构纹理提取实验 | 第69-70页 |
4.6.2 基于结构纹理的图像去噪实验 | 第70-77页 |
4.7 本章小结 | 第77-79页 |
第五章 基于GUI界面的稀疏去噪算法分析 | 第79-87页 |
5.1 引言 | 第79页 |
5.2 运行及开发环境介绍 | 第79页 |
5.2.1 运行环境 | 第79页 |
5.2.2 开发环境 | 第79页 |
5.3 操作界面设计 | 第79-82页 |
5.3.1 窗口部分 | 第80页 |
5.3.2 读取图像部分 | 第80-81页 |
5.3.3 添加噪声部分 | 第81页 |
5.3.4 去噪方法部分 | 第81-82页 |
5.3.5 按钮操作部分 | 第82页 |
5.4 仿真实验及分析 | 第82-85页 |
5.5 本章小结 | 第85-87页 |
第六章 结论与展望 | 第87-89页 |
6.1 本文工作总结 | 第87-88页 |
6.2 研究展望 | 第88-89页 |
致谢 | 第89-91页 |
参考文献 | 第91-95页 |
附录A (攻读硕士学位期间学术成果目录) | 第95页 |