| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第11-19页 |
| 1.1 研究背景及意义 | 第11页 |
| 1.2 图像的多尺度分析理论发展及研究现状 | 第11-16页 |
| 1.2.1 多尺度分析理论发展 | 第11-13页 |
| 1.2.2 多尺度分析的应用研究现状 | 第13-16页 |
| 1.3 论文结构与创新点 | 第16-19页 |
| 1.3.1 论文结构 | 第16-17页 |
| 1.3.2 论文主要的创新成果 | 第17-19页 |
| 2 多尺度分析 | 第19-29页 |
| 2.1 多尺度分析思想 | 第19-21页 |
| 2.2 Curvelet变换 | 第21-23页 |
| 2.3 Contourlet变换 | 第23-25页 |
| 2.4 Shearlet变换 | 第25-26页 |
| 2.5 非降采样Contourlet变换 | 第26-27页 |
| 2.6 本章小结 | 第27-29页 |
| 3 基于多尺度分析的全变差图像去噪 | 第29-47页 |
| 3.1 图像去噪及相关算法 | 第30-31页 |
| 3.1.1 空域去噪法 | 第30-31页 |
| 3.1.2 变换域去噪方法 | 第31页 |
| 3.2 全变差及相关算法 | 第31-32页 |
| 3.3 基于多尺度分析双正交小波变换的全变差去噪方法 | 第32-35页 |
| 3.4 实验及结果 | 第35-45页 |
| 3.4.1 参数对模型的影响 | 第35-40页 |
| 3.4.2 和其他方法的比较 | 第40-42页 |
| 3.4.3 PCFs光特性评估中的应用 | 第42-45页 |
| 3.5 实验结论 | 第45-47页 |
| 4 基于多尺度几何分析的压缩感知 | 第47-71页 |
| 4.1 压缩感知理论 | 第47-51页 |
| 4.2 压缩感知相关算法 | 第51-53页 |
| 4.3 基于最优对偶非降采样Contourlet压缩感知方法 | 第53-57页 |
| 4.3.1 基于最优对偶l_1分析方法的压缩感知重建模型 | 第53-54页 |
| 4.3.2 基于Bregman迭代算法的具体实现 | 第54-57页 |
| 4.4 实验及结果 | 第57-70页 |
| 4.4.1 与其他变换的结果比较 | 第58-62页 |
| 4.4.2 与其他算法的结果比较 | 第62-63页 |
| 4.4.3 迭代次数对结果的影响 | 第63-65页 |
| 4.4.4 在PCFs中的应用及PCFs的光特性评估 | 第65-70页 |
| 4.5 实验结论 | 第70-71页 |
| 5 总结与展望 | 第71-73页 |
| 5.1 工作总结 | 第71-72页 |
| 5.2 展望 | 第72-73页 |
| 参考文献 | 第73-79页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第79-81页 |
| 学位论文数据集 | 第81页 |
