| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.3 论文的主要研究内容 | 第14-15页 |
| 1.4 论文的结构安排 | 第15-17页 |
| 第二章 低秩稀疏分解 | 第17-23页 |
| 2.1 引言 | 第17页 |
| 2.2 低秩稀疏分解算法 | 第17-21页 |
| 2.2.1 迭代阈值法 | 第18-19页 |
| 2.2.2 加速近端梯度法 | 第19-20页 |
| 2.2.3 增广拉格朗日乘子法 | 第20-21页 |
| 2.3 低秩稀疏分解的模型分析 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 基于Bloch球面的改进量子蜂群算法 | 第23-35页 |
| 3.1 引言 | 第23-24页 |
| 3.2 传统的人工蜂群算法 | 第24-25页 |
| 3.3 基于Bloch球面的改进量子蜂群算法 | 第25-28页 |
| 3.3.1 量子计算 | 第25页 |
| 3.3.2 IBQABC算法 | 第25-28页 |
| 3.4 改进基于Bloch球面的量子蜂群算法的性能分析 | 第28-34页 |
| 3.4.1 测试函数 | 第28-31页 |
| 3.4.2 改进蜂群算法中参数对优化结果的影响分析 | 第31-32页 |
| 3.4.3 函数优化 | 第32-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第四章 改进蜂群算法与低秩稀疏分解融合的图像去噪 | 第35-49页 |
| 4.1 引言 | 第35页 |
| 4.2 融合算法的去噪流程 | 第35-36页 |
| 4.3 图像的聚类分解 | 第36-37页 |
| 4.4 低秩稀疏分解与改进蜂群算法的融合 | 第37-38页 |
| 4.5 图像去噪及算法比较分析 | 第38-48页 |
| 4.5.1 标准图像去噪及比较分析 | 第38-44页 |
| 4.5.2 工程图纸扫描后的图像去噪 | 第44-47页 |
| 4.5.3 改进蜂群算法的去噪性能比较 | 第47-48页 |
| 4.5.4 融合算法去噪分析 | 第48页 |
| 4.6 本章小结 | 第48-49页 |
| 结论 | 第49-51页 |
| 参考文献 | 第51-56页 |
| 发表文章目录 | 第56-58页 |
| 致谢 | 第58-59页 |