基于压缩感知理论的彩色图像重构方法的研究
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 课题研究的背景及意义 | 第11-12页 |
| 1.2 相关领域的国内外研究现状 | 第12-17页 |
| 1.2.1 国内外相关理论研究现状 | 第12-15页 |
| 1.2.2 国内外相关应用研究现状 | 第15-16页 |
| 1.2.3 发展趋势 | 第16-17页 |
| 1.3 本文主要工作及内容安排 | 第17-18页 |
| 第2章 压缩感知理论介绍 | 第18-30页 |
| 2.1 引言 | 第18-19页 |
| 2.2 信号的稀疏模型 | 第19-22页 |
| 2.2.1 稀疏性 | 第19-20页 |
| 2.2.2 结构性稀疏 | 第20-21页 |
| 2.2.3 稀疏字典和字典学习 | 第21-22页 |
| 2.3 稀疏的复原条件 | 第22-25页 |
| 2.3.1 最小化问题的唯一性条件 | 第22-23页 |
| 2.3.2 稀疏复原的充分条件 | 第23-24页 |
| 2.3.3 稀疏复原的必要条件 | 第24-25页 |
| 2.4 观测矩阵的建立 | 第25-27页 |
| 2.4.1 观测矩阵中几种特性之间的联系 | 第25页 |
| 2.4.2 Spark常数和互相关性 | 第25-26页 |
| 2.4.3 有限等距特性 | 第26-27页 |
| 2.5 信号的复原算法 | 第27-29页 |
| 2.5.1 凸优化算法 | 第27页 |
| 2.5.2 贪婪算法 | 第27-29页 |
| 2.6 本章小结 | 第29-30页 |
| 第3章 基于压缩感知的彩色图像重构 | 第30-47页 |
| 3.1 引言 | 第30-31页 |
| 3.2 基于压缩感知的灰度K-SVD去噪算法 | 第31-34页 |
| 3.3 用于彩色图像去噪的改进型K-SVD算法 | 第34-40页 |
| 3.3.1 彩色图像去噪方法 | 第34-37页 |
| 3.3.2 针对非齐次噪声的去噪方法 | 第37-39页 |
| 3.3.3 彩色图像修复 | 第39-40页 |
| 3.4 实验结果与分析 | 第40-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第4章 基于字典学习的自然图像超分辨率重构 | 第47-64页 |
| 4.1 引言 | 第47-48页 |
| 4.2 自然图像的超分辨率重构研究 | 第48-53页 |
| 4.2.1 超分辨率重构的一般性描述 | 第48-50页 |
| 4.2.2 稀疏表示的局部模型 | 第50-51页 |
| 4.2.3 全局重构约束 | 第51-52页 |
| 4.2.4 全局优化解释 | 第52-53页 |
| 4.3 字典的训练方法 | 第53-56页 |
| 4.3.1 单字典训练 | 第53-54页 |
| 4.3.2 联合字典训练 | 第54-55页 |
| 4.3.3 低分辨率图像块的特征表示 | 第55-56页 |
| 4.4 实验结果与分析 | 第56-63页 |
| 4.5 本章小结 | 第63-64页 |
| 结论 | 第64-66页 |
| 参考文献 | 第66-71页 |
| 攻读硕士学位期间发表的学术论文 | 第71-72页 |
| 致谢 | 第72页 |
