| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 目录 | 第7-9页 |
| Contents | 第9-11页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 研究背景和研究意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 基于图像块相似性的算法 | 第11-13页 |
| 1.2.2 基于图像块统计特性的算法 | 第13页 |
| 1.2.3 基于图像块稀疏性的算法 | 第13-14页 |
| 1.3 本文主要内容及章节安排 | 第14-16页 |
| 第二章 两种典型基于图像块的去噪算法 | 第16-24页 |
| 2.1 去噪模型 | 第16页 |
| 2.2 基于图像块统计特性的EPLL算法 | 第16-20页 |
| 2.2.1 EPLL选取的先验知识 | 第17-18页 |
| 2.2.2 高斯混合模型的简介 | 第18-19页 |
| 2.2.3 EPLL的数学模型 | 第19-20页 |
| 2.3 非局部中心化稀疏表示算法 | 第20-23页 |
| 2.3.1 稀疏编码噪声模型的提出 | 第20-21页 |
| 2.3.2 非局部中心化的稀疏表示NCSR算法 | 第21-22页 |
| 2.3.3 图像块到图像 | 第22-23页 |
| 2.3.4 迭代收缩算法 | 第23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 自适应的EPLL算法 | 第24-33页 |
| 3.1 引言 | 第24页 |
| 3.2 分段线性估计(PLE)算法中的高斯混合模型 | 第24-25页 |
| 3.3 维纳滤波 | 第25-26页 |
| 3.4 自适应的EPLL算法 | 第26-27页 |
| 3.5 实验结果及分析 | 第27-31页 |
| 3.6 本章小结 | 第31-33页 |
| 第四章 NCSR算法改进 | 第33-42页 |
| 4.1 引言 | 第33页 |
| 4.2 NCSR中的稀疏系数估计 | 第33-34页 |
| 4.3 稀疏系数的精确估计 | 第34-36页 |
| 4.4 算法描述 | 第36-37页 |
| 4.5 实验结果与分析 | 第37-41页 |
| 4.6 本章小结 | 第41-42页 |
| 总结与展望 | 第42-44页 |
| 参考文献 | 第44-50页 |
| 攻读硕士学位期间发表的论文 | 第50-52页 |
| 致谢 | 第52页 |