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

K-SVD算法在图像去噪中的研究

摘要第1-5页
Abstract第5-7页
目录第7-9页
第一章 绪论第9-17页
   ·研究背景和意义第9-11页
   ·研究现状第11-15页
     ·空域滤波技术第12-13页
     ·频域滤波技术第13-14页
     ·基于信号冗余稀疏表示的K-SVD噪声抑制方法第14-15页
     ·降斑方法研究总结第15页
   ·论文的主要工作和安排第15-17页
第二章 图像成像原理及经典噪声抑制算法第17-27页
   ·图像成像原理及噪声特性第17-22页
     ·自然图像成像基本原理第17页
     ·加性噪声模型和统计特性第17页
     ·合成孔径雷达(SAR)基本原理第17-19页
     ·相干斑噪声模型和统计特性第19-21页
     ·信号相关的加性噪声模型第21-22页
   ·噪声抑制效果的评价指标第22-27页
     ·峰值信噪比第22-23页
     ·等效视数第23页
     ·比值图像第23-24页
     ·边缘保持指数(EPD-ROA)第24-27页
第三章 基于矩阵chelesky分解和近似奇异值分解的稀疏K-SVD噪声抑制第27-41页
   ·引言第27-28页
   ·K-SVD简介第28-29页
   ·基于矩阵chelesky分解和近似奇异值分解的稀疏K-SVD噪声抑制第29-30页
   ·算法步骤第30-33页
   ·实验结果与分析第33-38页
   ·本章小结第38-41页
第四章 基于SAR图像局部统计特性的K-SVD相干斑抑制第41-55页
   ·引言第41-42页
   ·SAR图像的相干斑模型第42页
   ·基于SAR图像局部统计特性的K-SVD相干斑抑制第42-46页
   ·算法步骤第46-48页
   ·实验结果及分析第48-52页
   ·本章小结第52-55页
第五章 基于SAR图像局部统计特性的多层K-SVD相干斑抑制第55-67页
   ·引言第55页
   ·SAR图像像素分类策略第55-58页
   ·多层SAR K-SVD去斑第58-60页
   ·实验结果和分析第60-65页
   ·本章小结第65-67页
第六章 总结与展望第67-71页
   ·本文总结第67-68页
   ·展望第68-71页
致谢第71-73页
参考文献第73-79页
硕士期间成果第79页

论文共79页,点击 下载论文
上一篇:基于企业级移动平台的数据同步的研究与实现
下一篇:基于图论的多样性描述及应用