压缩感知理论及其在图像去噪中的应用研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-18页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.1.1 研究背景 | 第9页 |
| 1.1.2 研究意义 | 第9-11页 |
| 1.2 研究现状 | 第11-15页 |
| 1.2.1 图像去噪技术研究现状 | 第11-13页 |
| 1.2.2 压缩感知研究现状 | 第13-15页 |
| 1.3 图像质量的评价 | 第15-17页 |
| 1.3.1 主观评价标准 | 第15页 |
| 1.3.2 客观评价标准 | 第15-17页 |
| 1.4 本文内容及组织安排 | 第17-18页 |
| 第二章 图像去噪综述 | 第18-34页 |
| 2.1 图像的矩阵表示 | 第18-19页 |
| 2.2 图像的噪声模型 | 第19-20页 |
| 2.2.1 含噪模型 | 第19页 |
| 2.2.2 噪声特性 | 第19-20页 |
| 2.3 空间域图像去噪方法 | 第20-24页 |
| 2.3.1 邻域平均法 | 第21-22页 |
| 2.3.2 中值滤波法 | 第22-23页 |
| 2.3.3 多幅图像平均法 | 第23-24页 |
| 2.4 变换域图像去噪方法 | 第24-33页 |
| 2.4.1 低通滤波法 | 第24-25页 |
| 2.4.2 经典小波去噪方法 | 第25-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第三章 压缩感知理论 | 第34-50页 |
| 3.1 压缩感知理论框架 | 第34-36页 |
| 3.2 信号的稀疏表示 | 第36-38页 |
| 3.3 观测矩阵设计 | 第38-42页 |
| 3.3.1 有限等距性质 | 第38-39页 |
| 3.3.2 非相关性 | 第39-40页 |
| 3.3.3 随机矩阵 | 第40-42页 |
| 3.4 信号的稀疏重构 | 第42-49页 |
| 3.4.1 基于贪婪算法的重构算法 | 第43-46页 |
| 3.4.2 基于梯度型的凸优化重构算法 | 第46-49页 |
| 3.5 本章小结 | 第49-50页 |
| 第四章 基于压缩感知的路面裂缝图像去噪 | 第50-68页 |
| 4.1 基于压缩感知图像去噪的理论框架 | 第50-51页 |
| 4.2 梯度投影稀疏重构算法 | 第51-56页 |
| 4.2.1 梯度投影法 | 第52-53页 |
| 4.2.2 梯度投影稀疏重构算法的流程 | 第53-54页 |
| 4.2.3 改进的梯度投影稀疏重构算法 | 第54-56页 |
| 4.3 基于 TV 范数的图像去噪 | 第56-61页 |
| 4.3.1 基于全变分的数学模型 | 第56-57页 |
| 4.3.2 基于 TV 范数的图像去噪 | 第57-61页 |
| 4.4 仿真实验及分析 | 第61-67页 |
| 4.4.1 经典图像去噪结果对比 | 第61-65页 |
| 4.4.2 真实路面裂缝图像去噪结果对比 | 第65-67页 |
| 4.5 本章小结 | 第67-68页 |
| 总结与展望 | 第68-70页 |
| 总结 | 第68-69页 |
| 展望 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74页 |
