| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·课题背景及意义 | 第10-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·本文的主要研究内容 | 第13页 |
| ·本文组织结构 | 第13-16页 |
| 第2章 基于单层 CNN 模型的卷积稀疏表示去噪算法 | 第16-34页 |
| ·引言 | 第16-17页 |
| ·CNN 模型及其训练 | 第17-22页 |
| ·模型结构 | 第17-18页 |
| ·CMP 算法描述 | 第18-20页 |
| ·单层 CNN 模型训练 | 第20-22页 |
| ·基于卷积稀疏表示的图像去噪 | 第22-27页 |
| ·CMP 稀疏表示去噪过程描述 | 第22-23页 |
| ·CMP 稀疏表示去噪性能分析 | 第23-25页 |
| ·改进 CMP 稀疏表示去噪过程描述 | 第25-27页 |
| ·实验结果分析和比较 | 第27-32页 |
| ·CMP 去噪实验结果分析 | 第28-31页 |
| ·改进 CMP 去噪实验结果分析和比较 | 第31-32页 |
| ·本章小结 | 第32-34页 |
| 第3章 基于卷积编码的平移不变性字典学习 | 第34-46页 |
| ·引言 | 第34-35页 |
| ·基于整幅图像的平移不变性字典学习 | 第35-37页 |
| ·CNN 模型平移不变性分析 | 第35-36页 |
| ·相似性约束下的卷积字典学习 | 第36-37页 |
| ·基于图像块的平移不变性字典学习 | 第37-40页 |
| ·算法原理描述 | 第37-39页 |
| ·基于卷积编码的字典学习 | 第39-40页 |
| ·实验结果分析和比较 | 第40-44页 |
| ·卷积字典性能分析和比较 | 第41-43页 |
| ·MoTIF 字典性能分析和比较 | 第43-44页 |
| ·本章小结 | 第44-46页 |
| 第4章 基于卷积编码和 K-SVD 联合字典的稀疏表示 | 第46-58页 |
| ·稀疏表示理论基础 | 第46-47页 |
| ·卷积稀疏编码算法分析 | 第47-48页 |
| ·基于 CMP 和 K-SVD 联合字典的稀疏表示模型 | 第48-52页 |
| ·图像预处理 | 第48-49页 |
| ·联合字典学习 | 第49-50页 |
| ·基于联合字典的稀疏表示 | 第50-52页 |
| ·实验结果分析和比较 | 第52-55页 |
| ·本章小结 | 第55-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第64-65页 |
| 致谢 | 第65-66页 |
| 作者简介 | 第66页 |
