基于图像内容分析的去噪与编码研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-18页 |
| 1.1 课题背景及研究的目的和意义 | 第8-9页 |
| 1.2 国内外相关领域开发及应用现状分析 | 第9-15页 |
| 1.2.1 图像去噪方法 | 第9页 |
| 1.2.2 图像特征学习方法 | 第9-14页 |
| 1.2.3 图像编码方法 | 第14-15页 |
| 1.3 本文的主要研究内容 | 第15-17页 |
| 1.4 论文内容和结构 | 第17-18页 |
| 第2章 基于组稀疏的图像去噪方法 | 第18-26页 |
| 2.1 引言 | 第18-19页 |
| 2.2 基于组稀疏的自适应模型 | 第19-22页 |
| 2.2.1 自然图像的先验知识 | 第19-20页 |
| 2.2.2 组内自适应块个数 | 第20页 |
| 2.2.3 自适应阈值 | 第20-21页 |
| 2.2.4 去噪框架 | 第21-22页 |
| 2.3 基于组稀疏的自适应去噪算法流程 | 第22-25页 |
| 2.3.1 去噪流程 | 第22-23页 |
| 2.3.2 去噪算法 | 第23-24页 |
| 2.3.3 实验结果及分析 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 基于内容的图像相似块学习方法 | 第26-40页 |
| 3.1 引言 | 第26-27页 |
| 3.2 基于卷积神经网络的相似块学习方法 | 第27-31页 |
| 3.2.1 卷积神经网络目标函数设计 | 第27-30页 |
| 3.2.2 卷积神经网络结构设计 | 第30-31页 |
| 3.3 基于聚类的相似块学习方法 | 第31-35页 |
| 3.3.1 基于高斯混合模型的相似块学习方法 | 第31-33页 |
| 3.3.2 基于Kmeans聚类的相似块学习方法 | 第33-34页 |
| 3.3.3 基于模糊C均值聚类的相似块学习方法 | 第34-35页 |
| 3.4 实验结果及分析 | 第35-38页 |
| 3.5 本章小结 | 第38-40页 |
| 第4章 基于图像相似块的编码方法 | 第40-56页 |
| 4.1 引言 | 第40-41页 |
| 4.2 基于图像索引块编码算法 | 第41-45页 |
| 4.3 基于图像内容的选择决策算法 | 第45-47页 |
| 4.4 实验结果及分析 | 第47-54页 |
| 4.5 本章小结 | 第54-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-61页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第61-63页 |
| 致谢 | 第63页 |
