| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第1章 绪论 | 第14-32页 |
| 1.1 研究背景及意义 | 第14页 |
| 1.2 国内外研究现状 | 第14-28页 |
| 1.2.1 张量表示与张量分解 | 第15-17页 |
| 1.2.2 稀疏表示模型 | 第17-23页 |
| 1.2.3 图像复原问题 | 第23-28页 |
| 1.3 本文主要研究工作与论文组织 | 第28-32页 |
| 第2章 多维稀疏表示模型 | 第32-44页 |
| 2.1 引言 | 第32页 |
| 2.2 理论基础 | 第32-36页 |
| 2.2.1 一维稀疏表示模型（1DSM） | 第32-33页 |
| 2.2.2 张量基本运算 | 第33-36页 |
| 2.3 多维稀疏表示模型（MDSM） | 第36-41页 |
| 2.3.1 多维合成稀疏表示模型（MD-SSM） | 第38-40页 |
| 2.3.2 多维分析稀疏表示模型（MD-ASM） | 第40页 |
| 2.3.3 基于多维稀疏表示模型的多维信号重建 | 第40-41页 |
| 2.4 MDSM与 1DSM的关系 | 第41-43页 |
| 2.4.1 多维稀疏表示模型的可视化 | 第41-42页 |
| 2.4.2 多维稀疏表示模型普适性 | 第42-43页 |
| 2.5 本章小结 | 第43-44页 |
| 第3章 基于多维稀疏表示模型的字典训练方法 | 第44-70页 |
| 3.1 引言 | 第44页 |
| 3.2 基于一维稀疏表示模型的字典训练 | 第44-52页 |
| 3.2.1 1D-SSM的字典训练 | 第44-48页 |
| 3.2.2 1D-ASM的字典训练 | 第48-52页 |
| 3.3 基于Kronecker Product运算的多维字典训练 | 第52-60页 |
| 3.3.1 多维合成稀疏表示模型的字典训练 | 第52-54页 |
| 3.3.2 多维分析稀疏表示模型的字典训练 | 第54-56页 |
| 3.3.3 算法复杂度分析 | 第56-58页 |
| 3.3.4 收敛性分析 | 第58-60页 |
| 3.4 基于n-mode product运算的多维字典训练 | 第60-69页 |
| 3.4.1 基于张量运算的字典训练方法 | 第61-64页 |
| 3.4.2 算法复杂度分析 | 第64-65页 |
| 3.4.3 收敛性分析 | 第65-69页 |
| 3.5 本章小结 | 第69-70页 |
| 第4章 基于多维稀疏表示模型的图像超分辨率重建 | 第70-92页 |
| 4.1 引言 | 第70页 |
| 4.2 基于1D-SSM的图像超分辨率重建 | 第70-73页 |
| 4.3 基于范例的图像超分辨率重建 | 第73-84页 |
| 4.3.1 基于二维稀疏表示模型的超分辨率重建算法 | 第74-76页 |
| 4.3.2 高低分辨率图像块的字典训练 | 第76-78页 |
| 4.3.3 实验结果 | 第78-84页 |
| 4.4 基于重构算法的图像超分辨率重建 | 第84-90页 |
| 4.4.1 面向图像超分辨率的二维非局部稀疏表示模型 | 第84页 |
| 4.4.2 基于二维非局部稀疏表示模型的图像超分辨率算法 | 第84-88页 |
| 4.4.3 实验结果 | 第88-90页 |
| 4.5 本章小结 | 第90-92页 |
| 第5章 基于多维稀疏表示模型的图像去噪 | 第92-126页 |
| 5.1 引言 | 第92页 |
| 5.2 基于MDSM的图像去噪 | 第92-117页 |
| 5.2.1 图像去噪模型及其求解算法 | 第92-95页 |
| 5.2.2 二维图像的图像去噪实验 | 第95-99页 |
| 5.2.3 多维图像信号的图像去噪实验 | 第99-117页 |
| 5.3 基于二维非局部稀疏表示模型的图像去噪 | 第117-125页 |
| 5.3.1 基于二维非局部稀疏表示模型的图像去噪 | 第117-118页 |
| 5.3.2 基于二维非局部稀疏表示模型的图像去噪算法 | 第118-121页 |
| 5.3.3 实验结果 | 第121-125页 |
| 5.4 本章小结 | 第125-126页 |
| 结论 | 第126-128页 |
| 参考文献 | 第128-138页 |
| 攻读博士学位期间所发表的学术论文 | 第138-140页 |
| 致谢 | 第140-141页 |
