| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 论文研究内容 | 第12-13页 |
| 1.4 论文结构安排 | 第13-15页 |
| 2 相关工作 | 第15-23页 |
| 2.1 信号的稀疏化 | 第15-16页 |
| 2.2 观测矩阵的设计 | 第16-17页 |
| 2.3 图像去噪 | 第17-19页 |
| 2.3.1 噪声模型 | 第17-18页 |
| 2.3.2 噪声及其特性 | 第18-19页 |
| 2.3.3 图像去噪模型 | 第19页 |
| 2.3.4 传统图像去噪方法介绍 | 第19页 |
| 2.4 过完备字典的构造 | 第19-20页 |
| 2.5 信号重构 | 第20-21页 |
| 2.6 图像质量的评价方法 | 第21-22页 |
| 2.7 本章小结 | 第22-23页 |
| 3 结合第二代Bandelet变换分块和字典学习图像去噪算法 | 第23-35页 |
| 3.1 第二代Bandelet变换进行分块 | 第23-24页 |
| 3.2 分块后的图像进行K-SVD训练字典学习 | 第24-25页 |
| 3.3 图像去噪算法描述 | 第25-26页 |
| 3.4 实验结果分析 | 第26-32页 |
| 3.4.1 去噪结果视觉分析 | 第27-29页 |
| 3.4.2 边缘检测图分析 | 第29-31页 |
| 3.4.3 灰度直方图分析 | 第31-32页 |
| 3.5 本章小结 | 第32-35页 |
| 4 基于Stein无偏估计的自适应字典学习图像去噪算法 | 第35-45页 |
| 4.1 问题引入 | 第35-36页 |
| 4.2 阈值的选取及确定 | 第36-37页 |
| 4.3 图像去噪算法描述 | 第37-38页 |
| 4.4 实验结果与分析 | 第38-43页 |
| 4.4.1 去噪效果视觉分析 | 第38-40页 |
| 4.4.2 边缘检测图分析 | 第40-42页 |
| 4.4.3 灰度直方图分析 | 第42-43页 |
| 4.5 本章小结 | 第43-45页 |
| 5 总结与展望 | 第45-47页 |
| 5.1 总结 | 第45-46页 |
| 5.2 展望 | 第46-47页 |
| 参考文献 | 第47-55页 |
| 附录 | 第55-67页 |
| 致谢 | 第67-69页 |
| 攻读学位期间的科研成果 | 第69-70页 |