| 摘要 | 第1-4页 |
| ABSTRACT | 第4-5页 |
| 目录 | 第5-7页 |
| 第一章 绪论 | 第7-16页 |
| ·课题背景 | 第7-11页 |
| ·无线多媒体传感器网络概述 | 第7-9页 |
| ·无线多媒体传感器网络图像特征分析 | 第9-11页 |
| ·无线多媒体传感器网络中图像去噪方法 | 第11-14页 |
| ·传统的图像去噪方法 | 第11-12页 |
| ·基于稀疏分解理论的图像去噪方法 | 第12-13页 |
| ·去噪效果评价标准 | 第13-14页 |
| ·论文主要工作及组织构架 | 第14-16页 |
| 第二章 基于超完备字典的图像稀疏分解方法 | 第16-25页 |
| ·基于超完备字典的图像稀疏分解理论 | 第17-21页 |
| ·基于超完备字典的图像稀疏表示 | 第17-18页 |
| ·图像的稀疏分解重构 | 第18-21页 |
| ·超完备字典的训练算法 | 第21-24页 |
| ·基于 MOD 的字典训练算法 | 第21-22页 |
| ·基于 K-SVD 的字典训练算法 | 第22-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 基于非局部正则化的图像稀疏去噪 | 第25-33页 |
| ·图像的非局部自相似性 | 第25-28页 |
| ·基于非局部正则化的图像稀疏去噪方法 | 第28-32页 |
| ·图像的全局正则性先验和稀疏性先验 | 第29页 |
| ·图像的非局部正则性先验 | 第29-31页 |
| ·基于非局部正则化的图像稀疏去噪模型 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第四章 基于 K-SVD 的低信噪比 WMSN 视频图像稀疏去噪 | 第33-41页 |
| ·WMSN 视频图像预处理 | 第33页 |
| ·算法设计 | 第33-36页 |
| ·实验结果与分析 | 第36-40页 |
| ·算法小结 | 第40-41页 |
| 第五章 WMSN 中基于图像聚类和正则化约束的稀疏去噪方法 | 第41-50页 |
| ·算法介绍 | 第41页 |
| ·算法设计 | 第41-45页 |
| ·基于 ROI 感兴趣区域的 WMSN 图像聚类 | 第42-43页 |
| ·基于图像聚类和非局部正则化的 WMSN 图像稀疏表示 | 第43-44页 |
| ·基于迭代加权和l1 范数正则化的图像去噪及重构 | 第44-45页 |
| ·实验结果与分析 | 第45-49页 |
| ·算法小结 | 第49-50页 |
| 第六章 总结 | 第50-54页 |
| ·主要工作回顾 | 第50-52页 |
| ·本课题今后需进一步研究的地方 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 个人简历 在读期间发表的学术论文 | 第58-59页 |
| 致谢 | 第59页 |
