| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-14页 |
| ·研究背景及意义 | 第9-10页 |
| ·国内外发展现状 | 第10-12页 |
| ·图像去噪的发展现状 | 第10-11页 |
| ·稀疏表示理论的发展现状 | 第11-12页 |
| ·论文组织结构 | 第12-13页 |
| ·本章小结 | 第13-14页 |
| 第二章 稀疏表示基本理论 | 第14-24页 |
| ·稀疏表示理论 | 第14-17页 |
| ·稀疏表示 | 第14-15页 |
| ·唯一性 | 第15-16页 |
| ·稀疏分解算法 | 第16-17页 |
| ·基于稀疏表示的图像去噪 | 第17-23页 |
| ·噪声类型 | 第17-18页 |
| ·传统图像去噪 | 第18-21页 |
| ·小块图像稀疏模型 | 第21-22页 |
| ·整体图像稀疏模型 | 第22页 |
| ·图像去噪模型 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 基于K-SVD的图像去噪算法 | 第24-34页 |
| ·K-SVD算法 | 第24-27页 |
| ·K均值聚类 | 第24-25页 |
| ·奇异值分解 | 第25-26页 |
| ·K-SVD | 第26-27页 |
| ·基于K-SVD算法的图像去噪 | 第27-28页 |
| ·仿真结果及分析 | 第28-33页 |
| ·本章小结 | 第33-34页 |
| 第四章 基于K-SVD的双重图像去噪 | 第34-50页 |
| ·过完备字典的构造 | 第34-38页 |
| ·分析字典 | 第34-35页 |
| ·学习字典 | 第35页 |
| ·小波变换+K-SVD | 第35-36页 |
| ·仿真结果及分析 | 第36-38页 |
| ·改进的K-SVD算法——基于K-SVD的双重图像去噪 | 第38-42页 |
| ·算法简介 | 第38-42页 |
| ·仿真结果及分析 | 第42-49页 |
| ·噪声方差σ=25dB时仿真结果 | 第44-46页 |
| ·噪声方差σ=50dB时仿真结果 | 第46-49页 |
| ·本章小结 | 第49-50页 |
| 第五章 总结与展望 | 第50-52页 |
| ·本文总结 | 第50-51页 |
| ·展望 | 第51-52页 |
| 参考文献 | 第52-58页 |
| 附图表 | 第58-60页 |
| 致谢 | 第60-61页 |
| 攻读硕士学位期间的研究成果 | 第61页 |