基于稀疏表示理论的图像去噪方法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-12页 |
| 第一章 绪论 | 第12-27页 |
| ·图像噪声模型 | 第12-13页 |
| ·图像质量评价方式 | 第13-15页 |
| ·稀疏表示理论概述 | 第15-22页 |
| ·图像稀疏表示模型 | 第16-18页 |
| ·稀疏分解算法 | 第18-20页 |
| ·稀疏表示与压缩感知 | 第20-22页 |
| ·图像去噪研究现状 | 第22-25页 |
| ·本文主要研究工作 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第二章 典型去噪算法介绍 | 第27-45页 |
| ·中值滤波去噪方法 | 第27-30页 |
| ·中值滤波原理 | 第27-29页 |
| ·中值滤波去噪示例 | 第29-30页 |
| ·小波阈值去噪方法 | 第30-34页 |
| ·小波阈值选取 | 第31-32页 |
| ·阈值函数选取 | 第32-33页 |
| ·小波阈值去噪示例 | 第33-34页 |
| ·稀疏表示图像去噪 | 第34-44页 |
| ·小块图像的稀疏模型 | 第35页 |
| ·整体图像的稀疏模型 | 第35-36页 |
| ·基于超完备字典的图像去噪模型 | 第36页 |
| ·基于 K-SVD 的字典训练 | 第36-38页 |
| ·超完备字典去噪示例 | 第38-44页 |
| ·本章小结 | 第44-45页 |
| 第三章 基于图像分解和超完备字典的图像去噪方法 | 第45-58页 |
| ·基本思想 | 第45-47页 |
| ·图像纹理提取 | 第47-48页 |
| ·噪声图像纹理部分去噪 | 第48-49页 |
| ·噪声图像结构部分去噪 | 第49-50页 |
| ·噪声估计 | 第50-51页 |
| ·实验仿真 | 第51-57页 |
| ·基于 MCA 分解的噪声图像纹理提取 | 第51-53页 |
| ·基于图像分解与超完备字典的图像去噪 | 第53-57页 |
| ·本章小结 | 第57-58页 |
| 第四章 基于自适应压缩感知的图像去噪方法 | 第58-64页 |
| ·基本思想 | 第58-59页 |
| ·广义主成分分析（GPCA） | 第59-60页 |
| ·基于自适应压缩感知的图像去噪模型 | 第60-61页 |
| ·实验仿真 | 第61-63页 |
| ·本章小结 | 第63-64页 |
| 第五章 总结与展望 | 第64-66页 |
| ·本文总结 | 第64页 |
| ·展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-71页 |
| 攻读硕士学位期间已发表或录用的论文 | 第71-72页 |
| 附件 | 第72页 |
