基于压缩传感的图像去噪算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 研究背景与意义 | 第8-10页 |
| 1.1.1 奈奎斯特定理的局限性 | 第8-9页 |
| 1.1.2 压缩传感的提出 | 第9-10页 |
| 1.2 CS 和图像去噪的研究现状 | 第10-11页 |
| 1.3 图像质量的客观评判标准 | 第11-12页 |
| 1.3.1 信噪比方法 | 第11页 |
| 1.3.2 信噪比增益 | 第11-12页 |
| 1.4 本文的主要内容 | 第12-13页 |
| 第二章 压缩传感的基本理论 | 第13-18页 |
| 2.1 传统的信号采集方法 | 第13页 |
| 2.2 压缩传感与稀疏表示 | 第13-14页 |
| 2.3 基于 CS 的信号采样 | 第14-15页 |
| 2.4 压缩传感的应用 | 第15-17页 |
| 2.5 本章小结 | 第17-18页 |
| 第三章 小波变换的图像去噪 | 第18-25页 |
| 3.1 小波稀疏去噪 | 第18-19页 |
| 3.2 小波去噪的基本理论 | 第19页 |
| 3.3 小波去噪中的阈值去噪算法 | 第19-21页 |
| 3.3.1 阈值去噪的步骤 | 第20页 |
| 3.3.2 阈值的选取 | 第20-21页 |
| 3.3.3 阈值函数 | 第21页 |
| 3.4 仿真实验结果与分析 | 第21-24页 |
| 3.4.1 阈值去噪的实验结果 | 第21-24页 |
| 3.4.2 实验结果分析 | 第24页 |
| 3.5 本章小结 | 第24-25页 |
| 第四章 冗余字典的图像去噪算法 | 第25-43页 |
| 4.1 图像的稀疏字典的构造 | 第25-26页 |
| 4.1.1 字典的提出及演变历史 | 第25-26页 |
| 4.1.2 字典的构造方法 | 第26页 |
| 4.2 图像的稀疏分解算法 | 第26-31页 |
| 4.2.1 匹配追踪（MP） | 第27-29页 |
| 4.2.2 正交匹配追踪（OMP） | 第29-31页 |
| 4.3 基于 K-SVD 的字典学习算法 | 第31-36页 |
| 4.3.1 奇异值分解（SVD） | 第31-32页 |
| 4.3.2 K 均值（K-Means）算法 | 第32-33页 |
| 4.3.3 K-SVD 算法介绍 | 第33-35页 |
| 4.3.4 K-SVD 字典的性质 | 第35页 |
| 4.3.5 K-SVD 算法的收敛性 | 第35-36页 |
| 4.4 图像的具体去噪过程 | 第36-37页 |
| 4.5 仿真实验和结果分析 | 第37-42页 |
| 4.6 本章小结 | 第42-43页 |
| 第五章 工作总结与展望 | 第43-45页 |
| 5.1 全文工作总结 | 第43页 |
| 5.2 展望 | 第43-45页 |
| 参考文献 | 第45-48页 |
| 研究生期间发表的论文 | 第48-49页 |
| 致谢 | 第49-50页 |
| 详细摘要 | 第50-52页 |
