基于学习的压缩图像恢复方法
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-15页 |
| ·图像恢复技术 | 第10页 |
| ·图像恢复的研究意义 | 第10-11页 |
| ·图像退化/恢复过程的模型 | 第11-13页 |
| ·本文研究要点 | 第13页 |
| ·论文各部分主要内容 | 第13-15页 |
| 第2章 压缩图像的恢复方法 | 第15-24页 |
| ·引言 | 第15-16页 |
| ·压缩图像退化模型 | 第16页 |
| ·JPEG 压缩编码介绍 | 第16-20页 |
| ·JPEG 编码方法 | 第17-18页 |
| ·离散余弦变换及量化的数学描述 | 第18-20页 |
| ·常见的压缩图像去噪方法 | 第20-23页 |
| ·在变换域或空域的噪声消除 | 第21页 |
| ·基于凸集投影理论的方法 | 第21-22页 |
| ·基于学习的图像恢复方法 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第3章 基于专家场的压缩图像恢复 | 第24-40页 |
| ·引言 | 第24-25页 |
| ·研究现状 | 第25-26页 |
| ·基于专家场的图像先验知识表示 | 第26-30页 |
| ·专家积模型的数学描述 | 第26-27页 |
| ·专家场模型的数学描述 | 第27-29页 |
| ·专家场参数学习方法 | 第29-30页 |
| ·JPEG 压缩图像的量化噪声模型 | 第30-31页 |
| ·最大后验概率估计方法 | 第31-33页 |
| ·实验结果 | 第33-38页 |
| ·图像客观质量对比结果 | 第33-35页 |
| ·图像主观质量对比结果 | 第35-38页 |
| ·本章小结 | 第38-40页 |
| 第4章 基于K-SVD 的压缩图像恢复方法 | 第40-56页 |
| ·引言 | 第40-41页 |
| ·稀疏编码理论介绍 | 第41-42页 |
| ·稀疏编码理论的研究现状 | 第41页 |
| ·稀疏编码的数学描述 | 第41-42页 |
| ·追踪算法 | 第42-43页 |
| ·K-SVD 图像表示方法 | 第43-47页 |
| ·K 均值聚类算法 | 第43页 |
| ·K-SVD 算法 | 第43-46页 |
| ·K-SVD 算法存在的问题及解决方法 | 第46-47页 |
| ·采用K-SVD 方法恢复压缩图像 | 第47-50页 |
| ·完整图像的表示方法 | 第47-48页 |
| ·图像恢复过程 | 第48-50页 |
| ·实验结果 | 第50-55页 |
| ·参数设置 | 第50-51页 |
| ·实验结果 | 第51-55页 |
| ·本章小结 | 第55-56页 |
| 结论 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 攻读学位期间发表的学术论文 | 第61-63页 |
| 致谢 | 第63页 |
