| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 目录 | 第5-7页 |
| 第一章 绪论 | 第7-10页 |
| 1.1 研究背景及意义 | 第7-8页 |
| 1.2 图像去噪技术的研究现状 | 第8页 |
| 1.3 本文主要内容安排 | 第8-10页 |
| 第二章 传统图像去噪方法及原理 | 第10-26页 |
| 2.1 图像的存储形式及噪声模型 | 第10-11页 |
| 2.2 图像去噪效果评价 | 第11-13页 |
| 2.3 传统的图像去噪方法介绍 | 第13-26页 |
| 2.3.1 空间域图像去噪方法 | 第13-18页 |
| 2.3.2 变换域图像去噪方法 | 第18-26页 |
| 第三章 稀疏表达的理论知识 | 第26-36页 |
| 3.1 稀疏表示 | 第26-29页 |
| 3.1.1 信号的表示 | 第26-27页 |
| 3.1.2 信号的稀疏表示模型及解决方法 | 第27-29页 |
| 3.2 过完备原子库的构造 | 第29-31页 |
| 3.2.1 字典的基础知识 | 第29页 |
| 3.2.2 过完备原子库的构造 | 第29-31页 |
| 3.3 稀疏分解算法 | 第31-36页 |
| 3.3.1 匹配追踪算法(MP) | 第32-33页 |
| 3.3.2 正交匹配追踪算法(OMP) | 第33-34页 |
| 3.3.3 匹配追踪算法的迭代终止条件的确定 | 第34-36页 |
| 第四章 基于稀疏表达的图像去噪 | 第36-52页 |
| 4.1 图像稀疏表示 | 第36-37页 |
| 4.2 基于稀疏表达的图像去噪原理 | 第37-38页 |
| 4.3 基于K-SVD和残差变化率的图像去噪算法研究 | 第38-44页 |
| 4.3.1 K-SVD算法 | 第38-41页 |
| 4.3.2 基于残差变化率阈值的图像稀疏分解 | 第41页 |
| 4.3.3 本文算法具体设计 | 第41-44页 |
| 4.4 实验及结果分析 | 第44-52页 |
| 第五章 总结与展望 | 第52-54页 |
| 5.1 总结 | 第52-53页 |
| 5.2 展望 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58页 |