基于压缩感知的图像去嗓与重构研究
| 中文摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 引言 | 第8-14页 |
| 1.1 研究目的和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 CS理论的提出 | 第9页 |
| 1.2.2 图像去噪的研究现状 | 第9-10页 |
| 1.2.3 图像重构的研究现状 | 第10页 |
| 1.2.4 CS理论的应用现状 | 第10-12页 |
| 1.3 主要研究内容及论文的章节安排 | 第12-14页 |
| 第二章 CS理论的数学模型 | 第14-24页 |
| 2.1 基本概念 | 第14-15页 |
| 2.2 CS理论的数学模型 | 第15-23页 |
| 2.2.1 信号的稀疏化 | 第15-18页 |
| 2.2.2 观测矩阵的设计 | 第18-20页 |
| 2.2.3 原始信号的重构 | 第20-22页 |
| 2.2.4 重构误差的计算 | 第22-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第三章 CS理论的信号重构算法 | 第24-38页 |
| 3.1 贪婪算法 | 第24-32页 |
| 3.1.1 匹配追踪算法 | 第24-26页 |
| 3.1.2 正交匹配追踪算法 | 第26-30页 |
| 3.1.3 正则化正交匹配追踪 | 第30-32页 |
| 3.2 凸松弛算法 | 第32-37页 |
| 3.2.1 基本概念 | 第32-34页 |
| 3.2.2 基追踪算法 | 第34-37页 |
| 3.3 其它重构算法 | 第37页 |
| 3.4 本章小结 | 第37-38页 |
| 第四章 CS在图像去噪中的应用 | 第38-50页 |
| 4.1 图像噪声的分类 | 第38-41页 |
| 4.1.1 高斯噪声 | 第38-39页 |
| 4.1.2 瑞利噪声 | 第39页 |
| 4.1.3 伽马噪声 | 第39-40页 |
| 4.1.4 指数分布噪声 | 第40页 |
| 4.1.5 均匀分布噪声 | 第40页 |
| 4.1.6 椒盐噪声 | 第40-41页 |
| 4.2 去噪效果的评价 | 第41-42页 |
| 4.2.1 主观评价 | 第41页 |
| 4.2.2 客观评价 | 第41-42页 |
| 4.3 CS在图像去噪中的应用 | 第42-49页 |
| 4.3.1 小波去噪算法 | 第42-43页 |
| 4.3.2 CS去噪算法 | 第43页 |
| 4.3.3 不同算法在高斯噪声图像中的去噪对比 | 第43-46页 |
| 4.3.4 不同算法在椒盐噪声图像中的去噪对比 | 第46-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第五章 CS在图像重构中的应用 | 第50-67页 |
| 5.1 图像稀疏化算法 | 第50-53页 |
| 5.1.1 FFT算法 | 第50-51页 |
| 5.1.2 DCT算法 | 第51-52页 |
| 5.1.3 DWT算法 | 第52-53页 |
| 5.2 三种稀疏化算法重构效果对比 | 第53-60页 |
| 5.3 基于CS的图像重构 | 第60-66页 |
| 5.3.1 指纹图像重构 | 第60-61页 |
| 5.3.2 微生物图像重构 | 第61-62页 |
| 5.3.3 卫星图像重构 | 第62-63页 |
| 5.3.4 军事图像重构 | 第63-64页 |
| 5.3.5 MRI图像重构 | 第64-66页 |
| 5.4 本章小结 | 第66-67页 |
| 结论和展望 | 第67-69页 |
| 结论 | 第67页 |
| 展望 | 第67-69页 |
| 参考文献 | 第69-74页 |
| 致谢 | 第74-75页 |
| 个人简历 | 第75页 |
| 在学期间的研究成果及发表的学术论文 | 第75页 |
