| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-16页 |
| ·研究背景及意义 | 第7-11页 |
| ·无线多媒体传感器网络简述 | 第7-10页 |
| ·无线多媒体传感器网络图像特征分析 | 第10-11页 |
| ·图像去噪方法研究现状 | 第11-13页 |
| ·传统的图像去噪方法 | 第11-12页 |
| ·基于稀疏正则化的图像去噪方法 | 第12-13页 |
| ·图像去噪质量的评价标准 | 第13-15页 |
| ·论文主要工作及结构安排 | 第15-16页 |
| 第二章 基于稀疏正则化的图像去噪 | 第16-27页 |
| ·正则化去噪的基本概念 | 第16-17页 |
| ·图像稀疏表示理论 | 第17-24页 |
| ·图像稀疏表示模型 | 第17-19页 |
| ·图像的稀疏分解算法 | 第19-21页 |
| ·过完备字典学习方法 | 第21-24页 |
| ·基于 K-SVD 字典学习的稀疏正则化图像去噪算法 | 第24-25页 |
| ·本章小结 | 第25-27页 |
| 第三章 基于结构相似度的 WMSN 图像稀疏正则化去噪算法 | 第27-34页 |
| ·算法可行性分析 | 第27页 |
| ·算法流程 | 第27-30页 |
| ·实验结果及分析 | 第30-33页 |
| ·本章小结 | 第33-34页 |
| 第四章 基于非局部自相似的稀疏正则化图像去噪 | 第34-41页 |
| ·图像的非局部自相似性 | 第34-37页 |
| ·基于非局部自相似的稀疏正则化去噪 | 第37-39页 |
| ·稀疏正则化去噪中正则项的构建方式 | 第37-38页 |
| ·基于非局部自相似的稀疏正则化图像去噪模型 | 第38-39页 |
| ·本章小结 | 第39-41页 |
| 第五章 WMSN 中基于梯度直方图和非局部自相似的稀疏正则化图像去噪算法 | 第41-50页 |
| ·算法介绍 | 第41页 |
| ·算法设计 | 第41-45页 |
| ·WMSN 图像稀疏正则化去噪模型的构建 | 第42-43页 |
| ·WMSN 图像稀疏正则化去噪模型的求解 | 第43-45页 |
| ·实验结果及分析 | 第45-49页 |
| ·本章小结 | 第49-50页 |
| 第六章 总结与展望 | 第50-52页 |
| ·本文工作总结 | 第50-51页 |
| ·工作展望 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 个人简历 在读期间发表的学术论文 | 第55-56页 |
| 致谢 | 第56页 |
