| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第11-24页 |
| 1.1 课题背景及研究目的与意义 | 第11-14页 |
| 1.2 研究历史及现状 | 第14-21页 |
| 1.2.1 稀疏表示的历史与现状 | 第14-15页 |
| 1.2.2 压缩感知理论中的测量矩阵研究历史与现状 | 第15-16页 |
| 1.2.3 信号重构算法的研究历史与现状 | 第16-17页 |
| 1.2.4 压缩感知技术的应用 | 第17-19页 |
| 1.2.5 图像去噪简介 | 第19-20页 |
| 1.2.6 国内研究的现状 | 第20-21页 |
| 1.3 论文主要研究内容 | 第21-22页 |
| 1.4 论文的组织结构 | 第22-24页 |
| 第2章 压缩感知基础 | 第24-43页 |
| 2.1 引言 | 第24-25页 |
| 2.2 信号的稀疏表示 | 第25-28页 |
| 2.3 测量矩阵的设计 | 第28-32页 |
| 2.4 重构算法的设计 | 第32-42页 |
| 2.5 本章小结 | 第42-43页 |
| 第3章 具自修复功能的图像压缩感知重建算法 | 第43-55页 |
| 3.1 引言 | 第43页 |
| 3.2 算法的设计与构造 | 第43-46页 |
| 3.2.1 测量矩阵的构造 | 第45页 |
| 3.2.2 稀疏表示方法的设计 | 第45-46页 |
| 3.3 具自修复功能的图像压缩感知重构算法的实现 | 第46-48页 |
| 3.3.1 降质模型求逆过程设计 | 第47页 |
| 3.3.2 基于WBDST和硬阈值迭代的重建 | 第47-48页 |
| 3.4 实验结果与分析 | 第48-53页 |
| 3.4.1 WBDST的稀疏表示性能实验结构与分析 | 第48-51页 |
| 3.4.2 具自修复功能的图像压缩感知重构算法的实验结果与分析 | 第51-53页 |
| 3.5 本章小结 | 第53-55页 |
| 第4章 基于各向异性图像多尺度变换的CS去噪算法 | 第55-71页 |
| 4.1 引言 | 第55页 |
| 4.2 TFWBST的构造原理 | 第55-60页 |
| 4.3 图像CS重构系统的实现 | 第60-64页 |
| 4.3.1 SALSA思想 | 第61-62页 |
| 4.3.2 基于改进的SALSA的CS图像重构算法设计 | 第62-63页 |
| 4.3.3 基于Context模型的空间自适应软门限算法 | 第63页 |
| 4.3.4 基于改进的SALSA的CS图像重构实现 | 第63-64页 |
| 4.4 实验结果与分析 | 第64-70页 |
| 4.5 结论 | 第70-71页 |
| 第5章 基于压缩感知的多聚焦图像去噪算法研究 | 第71-81页 |
| 5.1 引言 | 第71页 |
| 5.2 多聚焦图像的成像原理 | 第71-73页 |
| 5.3 基于压缩感知的噪声图像模型 | 第73-74页 |
| 5.4 基于压缩感知的多聚焦图像去噪算法设计 | 第74-78页 |
| 5.4.1 基于压缩感知的多聚焦图像去噪模型 | 第74-75页 |
| 5.4.2 多聚焦图像增强预处理 | 第75-77页 |
| 5.4.3 基于K-SVD图像去噪重构 | 第77页 |
| 5.4.4 基于压缩感知的多聚焦图像去噪处理 | 第77-78页 |
| 5.5 实验结果与分析 | 第78-79页 |
| 5.6 本章小结 | 第79-81页 |
| 第6章 同态滤波与中值滤波相融合的散斑噪声污染图像恢复 | 第81-90页 |
| 6.1 引言 | 第81页 |
| 6.2 散斑噪声 | 第81-83页 |
| 6.2.1 散斑噪声的统计特性 | 第81-82页 |
| 6.2.2 抑制散斑噪声的研究现状 | 第82-83页 |
| 6.3 同态滤波与中值滤波相融合的去噪算法 | 第83-87页 |
| 6.3.1 同态滤波算法 | 第83-85页 |
| 6.3.2 中值滤波算法 | 第85-87页 |
| 6.3.3 同态滤波与中值滤波相融合的散斑噪声污染图像恢复算法 | 第87页 |
| 6.4 散斑噪声污染图像恢复的应用实例 | 第87-89页 |
| 6.5 本章小结 | 第89-90页 |
| 结论 | 第90-92页 |
| 参考文献 | 第92-103页 |
| 攻读博士学位期间承担的科研任务与主要成果 | 第103-104页 |
| 致谢 | 第104页 |
