基于稀疏与冗余表示法的图像压缩与重建
| 摘要 | 第1-8页 |
| Abstract | 第8-10页 |
| 第1章 绪论 | 第10-16页 |
| ·课题研究背景及意义 | 第10-11页 |
| ·国内外研究历史及现状 | 第11-13页 |
| ·必要性与可行性 | 第13-14页 |
| ·必要性 | 第13-14页 |
| ·可行性 | 第14页 |
| ·论文主要工作和结构安排 | 第14-16页 |
| 第2章 图像稀疏表示的基本理论 | 第16-27页 |
| ·图像变换 | 第16-18页 |
| ·图像的稀疏分解 | 第18-21页 |
| ·稀疏分解的定义 | 第18-19页 |
| ·过完备字典 | 第19-21页 |
| ·分数频率法 | 第21页 |
| ·稀疏分解算法的实现 | 第21-26页 |
| ·BP 算法 | 第22页 |
| ·MP 算法 | 第22-25页 |
| ·OMP 算法 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 稀疏表示字典学习 | 第27-32页 |
| ·字典学习核心问题 | 第27页 |
| ·MOD | 第27-28页 |
| ·K-SVD | 第28-30页 |
| ·实验分析 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第4章 数字图像压缩编码 | 第32-37页 |
| ·图像编码技术 | 第32-34页 |
| ·图像编码过程 | 第32-33页 |
| ·图像编码方法 | 第33-34页 |
| ·图像压缩质量评价 | 第34-35页 |
| ·主观评价原则 | 第34页 |
| ·客观评价原则 | 第34-35页 |
| ·稀疏系数的熵编码方法 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第5章 自适应 K-SVD 稀疏表示图像压缩 | 第37-45页 |
| ·压缩流程 | 第37-40页 |
| ·图像分块方法 | 第38-39页 |
| ·自适应字典学习 | 第39-40页 |
| ·具体实验操作 | 第40-42页 |
| ·实验环境 | 第40-41页 |
| ·实验过程与目的 | 第41-42页 |
| ·实验结果与数据分析 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 第6章 基于正交联合字典的图像压缩 | 第45-49页 |
| ·基于 BCR 的字典学习算法 | 第45-46页 |
| ·BCR 算法 | 第45-46页 |
| ·基于 BCR 的字典学习算法 | 第46页 |
| ·新的字典学习图像压缩算法 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 第7章 总结与展望 | 第49-51页 |
| ·论文工作总结 | 第49页 |
| ·后续工作展望 | 第49-51页 |
| 参考文献 | 第51-54页 |
| 致谢 | 第54-55页 |
| 附录 攻读学位期间所发表的学术论文 | 第55页 |
