基于稀疏表示的图像去噪以及去雾霾算法
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究背景及意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 传统滤波去噪算法 | 第11-12页 |
| 1.2.2 图像超分辨率算法 | 第12-13页 |
| 1.2.3 稀疏表示去噪算法 | 第13-14页 |
| 1.3 研究框架 | 第14-15页 |
| 1.4 论文的难点及创新点 | 第15-16页 |
| 第2章 理论基础研究 | 第16-29页 |
| 2.1 图像退化 | 第16-18页 |
| 2.1.1 图像噪声 | 第16-17页 |
| 2.1.2 图像雾天退化模型 | 第17-18页 |
| 2.2 图像去噪算法 | 第18-24页 |
| 2.2.1 非局部平均算法 | 第18-19页 |
| 2.2.2 BM3D算法 | 第19-20页 |
| 2.2.3 稀疏表达问题描述 | 第20-24页 |
| 2.3 图像去雾算法 | 第24-26页 |
| 2.3.1 直方图均衡化算法 | 第25页 |
| 2.3.2 Retinex算法 | 第25页 |
| 2.3.3 暗通道先验去雾算法 | 第25-26页 |
| 2.4 图像复原质量评价 | 第26-28页 |
| 2.4.1 图像质量的主观评价和客观评价 | 第26-27页 |
| 2.4.2 有参照质量评价和无参照质量评价 | 第27页 |
| 2.4.3 本文图像复原质量评价准则 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 基于稀疏优化字典的图像去噪算法 | 第29-37页 |
| 3.1 基于KSVD的稀疏表达去噪算法 | 第29-30页 |
| 3.2 优化KSVD字典的稀疏表达去噪算法 | 第30-33页 |
| 3.2.1 改进KSVD字典的算法思路 | 第30-33页 |
| 3.3 仿真分析 | 第33-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第4章 基于自适应分块的稀疏表达去噪算法 | 第37-52页 |
| 4.1 引言 | 第37页 |
| 4.2 基于自适应分块的图像去噪算法 | 第37-41页 |
| 4.2.1 算法步骤 | 第38-41页 |
| 4.3 实验仿真与分析 | 第41-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第5章 基于暗通道和稀疏表达的图像去雾算法 | 第52-61页 |
| 5.1 暗原色先验模型 | 第52-53页 |
| 5.2 基于先验知识的暗通道去雾算法 | 第53-54页 |
| 5.3 基于暗通道和稀疏表达的单幅图像去雾 | 第54-56页 |
| 5.3.1 算法步骤 | 第55-56页 |
| 5.4 实验结果分析 | 第56-60页 |
| 5.5 本章小结 | 第60-61页 |
| 第6章 总结与展望 | 第61-63页 |
| 6.1 总结 | 第61-62页 |
| 6.2 展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-68页 |
| 攻读学位期间参加的科研项目和成果 | 第68页 |
