| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 图像质量的评价 | 第13-14页 |
| 1.4 目前存在问题 | 第14页 |
| 1.5 本文研究内容安排 | 第14-16页 |
| 第二章 图像去噪理论基础 | 第16-24页 |
| 2.1 引言 | 第16页 |
| 2.2 空间域图像去噪 | 第16-18页 |
| 2.2.1 均值滤波 | 第16-17页 |
| 2.2.2 中值滤波 | 第17-18页 |
| 2.3 变换域图像去噪 | 第18-19页 |
| 2.4 小波去噪方法 | 第19-23页 |
| 2.4.1 小波去噪简介 | 第19页 |
| 2.4.2 小波阈值去噪 | 第19-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第三章 基于改进的K-SVD的稀疏表示图像去噪算法 | 第24-50页 |
| 3.1 引言 | 第24-25页 |
| 3.2 稀疏表示问题 | 第25页 |
| 3.2.1 基于范数的稀疏测度 | 第25页 |
| 3.2.2 唯一性 | 第25页 |
| 3.3 稀疏表示模型 | 第25-28页 |
| 3.3.1 信号稀疏模型 | 第25-27页 |
| 3.3.2 图像稀疏表示模型 | 第27-28页 |
| 3.3.2.1 小块图像稀疏模型 | 第27页 |
| 3.3.2.2 整体图像稀疏模型 | 第27-28页 |
| 3.4 改进的OMP图像重建算法 | 第28-34页 |
| 3.4.1 OMP算法 | 第28-30页 |
| 3.4.2 ROMP(正则化正交匹配追踪)算法 | 第30-31页 |
| 3.4.3 最速下降算法 | 第31-32页 |
| 3.4.4 改进的OMP算法 | 第32-34页 |
| 3.5 字典学习算法 | 第34-37页 |
| 3.5.1 MOD字典学习方法 | 第35页 |
| 3.5.2 K-SVD字典学习方法 | 第35-37页 |
| 3.6 基于K-SVD图像稀疏表示去噪算法 | 第37-41页 |
| 3.6.1 算法描述 | 第37-38页 |
| 3.6.2 仿真结果与分析 | 第38-41页 |
| 3.7 基于改进的K-SVD图像稀疏表示去噪算法 | 第41-48页 |
| 3.7.1 算法描述 | 第41-43页 |
| 3.7.2 仿真结果与分析 | 第43-48页 |
| 3.8 本章小结 | 第48-50页 |
| 第四章 基于改进的MCA和K-SVD图像去噪算法研究 | 第50-66页 |
| 4.1 引言 | 第50页 |
| 4.2 MCA分解模型 | 第50-52页 |
| 4.3 基于MCA的图像去噪算法 | 第52-53页 |
| 4.4 基于改进的MCA的图像去噪算法 | 第53-62页 |
| 4.4.1 改进的MCA图像分解模型 | 第53-55页 |
| 4.4.2 改进的MCA图像分解算法 | 第55-57页 |
| 4.4.3 算法描述 | 第57-58页 |
| 4.4.4 仿真结果与分析 | 第58-62页 |
| 4.5 基于MCA和中值滤波算法在图像去混合噪声中的应用 | 第62-65页 |
| 4.5.1 算法描述 | 第62-64页 |
| 4.5.2 仿真结果与分析 | 第64-65页 |
| 4.6 本章小结 | 第65-66页 |
| 第五章 总结与展望 | 第66-68页 |
| 5.1 总结工作 | 第66-67页 |
| 5.2 展望 | 第67-68页 |
| 致谢 | 第68-70页 |
| 参考文献 | 第70-76页 |
| 附录A 硕士期间研究成果 | 第76-78页 |
| 附录B 硕士期间所获荣誉 | 第78页 |
