首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于低秩分解和形态成分分析的WMSN视频去噪算法研究

摘要第3-5页
ABSTRACT第5-6页
第一章 绪论第9-18页
    1.1 课题背景及意义第9-13页
        1.1.1 无线多媒体传感器网络概述第10-12页
        1.1.2 WMSN视频特征分析第12-13页
    1.2 视频去噪的研究现状第13-15页
    1.3 视频去噪质量的评价标准第15-16页
    1.4 论文主要工作及组织结构第16-18页
第二章 基于低秩矩阵分解的视频去噪第18-26页
    2.1 低秩矩阵分解第18-19页
    2.2 基于低秩矩阵分解的去噪模型第19-25页
        2.2.1 基于RPCA的去噪模型第19-20页
        2.2.2 基于RPCA去噪模型的求解算法第20-24页
        2.2.3 基于Inexact RPCA的去噪模型第24-25页
    2.3 本章小结第25-26页
第三章 形态成分分析理论第26-35页
    3.1 稀疏表示的理论基础第26-27页
    3.2 稀疏分解算法第27-28页
    3.3 稀疏分解字典的设计第28-30页
    3.4 形态成分分析第30-33页
        3.4.1 MCA模型第30-32页
        3.4.2 MCA分解算法第32页
        3.4.3 MCA中稀疏分解字典的设计第32-33页
    3.5 MCA在视频图像去噪中的应用第33-34页
    3.6 本章小结第34-35页
第四章 基于MCA-RPCA的WMSN视频混合高斯-雨噪声去除算法第35-42页
    4.1 算法可行性分析第35页
    4.2 算法设计第35-39页
        4.2.1 基于Inexact RPCA的WMSN视频分解第36页
        4.2.2 基于MCA的WMSN视频稀疏部分分解第36-39页
    4.3 实验结果对比与分析第39-41页
    4.4 本章小结第41-42页
第五章 基于IMCA-RPCA的WMSN视频混合高斯-雨噪声去除算法第42-50页
    5.1 算法介绍第42页
    5.2 IMCA算法第42-43页
    5.3 基于IMCA-RPCA的WMSN视频混合高斯-雨噪声去除算法第43-46页
    5.4 实验结果对比与分析第46-49页
    5.5 本章小结第49-50页
第六章 总结与展望第50-53页
    6.1 主要工作回顾第50-51页
    6.2 工作展望第51-53页
参考文献第53-57页
个人简历 在读期间发表的学术论文第57-58页
致谢第58页

论文共58页,点击 下载论文
上一篇:基于“能量测试”和优化方法的结构单元损伤识别
下一篇:基于特征学习和关联学习的在线商品跨媒体检索研究