| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 基于稀疏表示理论的图像处理技术发展现状 | 第9-13页 |
| 1.2.1 字典的构建方法 | 第10-11页 |
| 1.2.2 字典学习算法 | 第11-12页 |
| 1.2.3 当前字典学习方法的问题 | 第12-13页 |
| 1.3 论文的主要工作和安排 | 第13-16页 |
| 第二章 稀疏表示基础模型与方法 | 第16-24页 |
| 2.1 稀疏表示理论简述 | 第16-17页 |
| 2.2 稀疏分解算法 | 第17-18页 |
| 2.3 过完备字典的训练方法 | 第18-22页 |
| 2.3.1 最大似然法 | 第18-19页 |
| 2.3.2 最优方向法 | 第19-20页 |
| 2.3.3 最大后验概率法 | 第20-21页 |
| 2.3.4 正交字典级联 | 第21页 |
| 2.3.5 K-SVD | 第21-22页 |
| 2.4 局部字典 vs 全局字典 | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第三章 基于中心化约束的非局部稀疏模型 | 第24-40页 |
| 3.0 非局部稀疏模型回顾 | 第24-25页 |
| 3.1 同步正交匹配追踪(SOMP)及其问题 | 第25-27页 |
| 3.2 系数中心化约束下的 SOMP 算法 | 第27-30页 |
| 3.2.1 问题描述 | 第27-28页 |
| 3.2.2 具体求解方法 | 第28-30页 |
| 3.3 算法总体框架 | 第30-31页 |
| 3.5 实验结果和分析 | 第31-38页 |
| 3.5.1 评价指标 | 第31-32页 |
| 3.5.2 实验条件和内容 | 第32-33页 |
| 3.5.3 实验结果 | 第33-38页 |
| 3.6 本章小结 | 第38-40页 |
| 第四章 基于局部字典的非局部稀疏模型 | 第40-56页 |
| 4.1 相似集合表示系数的非局部约束 | 第40-41页 |
| 4.2 奇异值分解作为获取局部字典的方法 | 第41-43页 |
| 4.3 目标函数的求解 | 第43-47页 |
| 4.3.1 改变奇异值矩阵 ，保持右乘矩阵V 不变 | 第43-45页 |
| 4.3.2 同时改变奇异值矩阵 和右乘矩阵 | 第45-46页 |
| 4.3.3 参数估计问题 | 第46-47页 |
| 4.4 与低秩方法的区别与联系 | 第47-48页 |
| 4.5 算法步骤 | 第48页 |
| 4.6 实验结果和分析 | 第48-55页 |
| 4.6.1 实验条件和内容 | 第49-50页 |
| 4.6.2 实验结果 | 第50-55页 |
| 4.7 本章小结 | 第55-56页 |
| 第五章 基于局部字典和非局部 LMMSE 的 SAR 图像去斑方法 | 第56-78页 |
| 5.1 针对 SAR 图像乘性模型的考虑 | 第56-58页 |
| 5.1.1 受信号调制的加性噪声 | 第57页 |
| 5.1.2 图像块间相似性的度量 | 第57-58页 |
| 5.2 基于局部字典的线性均方误差估计 | 第58-60页 |
| 5.3 系数域的噪声能量估计问题 | 第60-62页 |
| 5.4 算法步骤 | 第62-64页 |
| 5.5 实验结果和分析 | 第64-75页 |
| 5.5.1 评价指标 | 第64-65页 |
| 5.5.2 实验条件和内容 | 第65-67页 |
| 5.5.3 实验结果对比：在合成 SAR 图像上 | 第67-71页 |
| 5.5.4 实验结果对比：在真实 SAR 图像上 | 第71-75页 |
| 5.6 本章小结 | 第75-78页 |
| 第六章 总结与展望 | 第78-80页 |
| 6.1 本文工作总结 | 第78-79页 |
| 6.2 未来展望 | 第79-80页 |
| 致谢 | 第80-82页 |
| 参考文献 | 第82-88页 |
| 研究生在读期间的研究成果 | 第88-89页 |