| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-12页 |
| ·研究背景 | 第8-9页 |
| ·研究目的与意义 | 第9-10页 |
| ·论文的主要工作及内容安排 | 第10-12页 |
| 第二章 自然图像经典去噪算法 | 第12-20页 |
| ·基于 K-SVD 字典学习的自然图像去噪算法 | 第12-14页 |
| ·图像稀疏表示理论 | 第12-13页 |
| ·K-SVD 去噪方法 | 第13-14页 |
| ·BM3D 去噪方法 | 第14-15页 |
| ·基于字典学习和结构性聚类的稀疏表示的图像去噪方法 | 第15-16页 |
| ·图像块聚类以及自适应字典学习 | 第15页 |
| ·样本中心的估计 | 第15页 |
| ·双 l1范数模型 | 第15-16页 |
| ·基于非局部稀疏模型的图像去噪方法 | 第16-18页 |
| ·相似集合计算 | 第17页 |
| ·SOMP 算法 | 第17-18页 |
| ·评价指标 | 第18页 |
| ·本章小结 | 第18-20页 |
| 第三章 基于维纳滤波的非局部低秩自然图像去噪算法 | 第20-34页 |
| ·算法模型的引入 | 第20-21页 |
| ·维纳滤波器介绍 | 第21-22页 |
| ·自适应奇异值维纳滤波去噪 | 第22-25页 |
| ·维纳收缩权值的设计 | 第22-24页 |
| ·算法迭代模型 | 第24页 |
| ·噪声估计 | 第24-25页 |
| ·算法步骤 | 第25-26页 |
| ·仿真实验与结果分析 | 第26-32页 |
| ·本章小结 | 第32-34页 |
| 第四章 基于低秩矩阵分解和方法噪声滤波的自然图像去噪算法 | 第34-44页 |
| ·引言 | 第34页 |
| ·方法噪声滤波 | 第34-36页 |
| ·基于方法噪声滤波的自然图像去噪算法 | 第36-37页 |
| ·图像块模式分类 | 第36页 |
| ·联合修正维纳滤波 | 第36-37页 |
| ·差异信息提取 | 第37页 |
| ·算法步骤 | 第37-39页 |
| ·仿真实验设计与结果分析 | 第39-43页 |
| ·本章小结 | 第43-44页 |
| 第五章 基于高阶张量分解和低秩模型的自然图像去噪算法 | 第44-58页 |
| ·高阶张量分解 | 第44-45页 |
| ·三维矩阵的奇异值分解特性 | 第45-47页 |
| ·三维矩阵的高阶奇异值分解 | 第45-46页 |
| ·三维矩阵高阶奇异值分解性质 | 第46-47页 |
| ·基于核张量分层能量阈值设计 | 第47-48页 |
| ·基于三维矩阵低秩分解的自然图像去噪 | 第48-50页 |
| ·图像块分组 | 第48页 |
| ·三维矩阵低秩逼近 | 第48-50页 |
| ·仿真实验设计与结果分析 | 第50-56页 |
| ·数值指标对比分析 | 第50-52页 |
| ·去噪图像视觉效果和细节对比分析 | 第52-56页 |
| ·本章小结 | 第56-58页 |
| 第六章 总结与展望 | 第58-61页 |
| ·论文总结 | 第58-59页 |
| ·展望 | 第59-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 研究生在读期间的研究成果 | 第66-67页 |
