压缩感知在图像去噪中的应用研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 引言 | 第9-10页 |
| 1 绪论 | 第10-14页 |
| ·引言 | 第10-11页 |
| ·研究意义 | 第11页 |
| ·研究现状 | 第11-13页 |
| ·压缩感知研究现状 | 第11-12页 |
| ·图像去噪研究现状 | 第12-13页 |
| ·本文结构安排 | 第13-14页 |
| 2 压缩感知理论 | 第14-21页 |
| ·信号的稀疏表示 | 第14页 |
| ·压缩感知原理 | 第14-16页 |
| ·测量矩阵的构造 | 第16-17页 |
| ·信号的重构算法 | 第17-21页 |
| ·匹配追踪算法 | 第18页 |
| ·分块协调算法 | 第18-21页 |
| 3 图像去噪 | 第21-32页 |
| ·引言 | 第21页 |
| ·图像的数字化 | 第21-25页 |
| ·采样与量化 | 第21-22页 |
| ·图像的数字表示 | 第22-24页 |
| ·图像的基本统计分析量 | 第24页 |
| ·数字图像的存储 | 第24-25页 |
| ·噪声模型及其特性 | 第25-28页 |
| ·含噪图像模型 | 第25-26页 |
| ·噪声分类 | 第26页 |
| ·常见噪声的概率密度函数 | 第26-28页 |
| ·图像质量评价标准 | 第28-30页 |
| ·主观评价标准 | 第28页 |
| ·客观评价标准 | 第28-30页 |
| ·传统的图像去噪方法 | 第30-32页 |
| ·均值滤波法 | 第30页 |
| ·统计排序法 | 第30-31页 |
| ·带阻法 | 第31页 |
| ·陷波法 | 第31页 |
| ·最佳陷波法 | 第31-32页 |
| 4 基于压缩感知并运用OMP算法的图像去噪 | 第32-47页 |
| ·稀疏解和RIP条件的稳定性分析 | 第32-38页 |
| ·稀疏解的稳定性 | 第32-35页 |
| ·RIP和使用它的稳定性分析 | 第35-38页 |
| ·基于小波变换的OMP算法图像去噪 | 第38-42页 |
| ·离散小波正交变换 | 第38-39页 |
| ·OMP算法 | 第39-40页 |
| ·基于压缩感知的去噪模型 | 第40页 |
| ·实验结果与分析 | 第40-42页 |
| ·基于改进的OMP算法图像去噪 | 第42-47页 |
| ·信号模型 | 第42页 |
| ·算法比较分析 | 第42-43页 |
| ·改进的OMP算法 | 第43-44页 |
| ·算法描述 | 第44-45页 |
| ·实验结果与分析 | 第45-47页 |
| 5 基于压缩感知并运用冗余字典的图像去噪 | 第47-58页 |
| ·冗余字典 | 第47-49页 |
| ·字典学习的核心问题 | 第47-48页 |
| ·K-SVD算法 | 第48-49页 |
| ·基于K-SVD字典的图像去噪 | 第49-51页 |
| ·去噪模型 | 第49-50页 |
| ·去噪算法描述 | 第50页 |
| ·实验结果与分析 | 第50-51页 |
| ·基于改进的K-SVD算法的图像去噪 | 第51-58页 |
| ·图像平移不变的稀疏表现 | 第52页 |
| ·平移不变函数框架 | 第52-53页 |
| ·改进的K-SVD算法 | 第53-55页 |
| ·实验结果与分析 | 第55-58页 |
| 结论 | 第58-59页 |
| 参考文献 | 第59-64页 |
| 申请学位期间的研究成果及发表的学术论文 | 第64-65页 |
| 致谢 | 第65页 |
