| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状和发展趋势 | 第10-12页 |
| 1.2.1 图像去噪技术的研究现状和发展趋势 | 第10-11页 |
| 1.2.2 字典学习的研究现状和发展趋势 | 第11-12页 |
| 1.3 本文的研究内容及组织结构 | 第12-14页 |
| 第二章 传统图像去噪方法 | 第14-20页 |
| 2.1 传统图像去噪方法 | 第14-19页 |
| 2.1.1 中值滤波 | 第14-16页 |
| 2.1.2 均值滤波 | 第16-17页 |
| 2.1.3 小波阈值滤波 | 第17-19页 |
| 2.2 本章小结 | 第19-20页 |
| 第三章 基于稀疏表示的图像去噪算法 | 第20-37页 |
| 3.1 图像噪声的基础知识 | 第20-23页 |
| 3.1.1 图像中的噪声分类 | 第20-21页 |
| 3.1.2 图像去噪效果评价标准 | 第21-23页 |
| 3.2 基于稀疏表示的图像去噪 | 第23-32页 |
| 3.2.1 凸优化理论 | 第23-25页 |
| 3.2.2 压缩感知简述 | 第25-26页 |
| 3.2.3 范数 | 第26-28页 |
| 3.2.4 稀疏表示 | 第28-30页 |
| 3.2.5 道格拉斯迭代求解算法 | 第30-32页 |
| 3.3 基于稀疏表示的图像去噪实验及分析 | 第32-35页 |
| 3.4 本章小结 | 第35-37页 |
| 第四章 基于字典学习的图正则化图像去噪方法 | 第37-53页 |
| 4.1 字典 | 第38-39页 |
| 4.1.1 固定字典 | 第38页 |
| 4.1.2 自适应字典 | 第38-39页 |
| 4.2 图拉普拉斯的基本理论 | 第39页 |
| 4.3 基于字典学习的图正则化图像去噪模型 | 第39-40页 |
| 4.4 基于字典学习的图正则化图像去噪算法 | 第40-44页 |
| 4.5 基于字典学习的图正则化图像去噪效果对比实验及分析 | 第44-47页 |
| 4.6 参数调节及分析 | 第47-52页 |
| 4.7 本章小结 | 第52-53页 |
| 总结与展望 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 攻读学位期间发表的文章 | 第58-59页 |
| 致谢 | 第59页 |