基于信号稀疏表示的字典设计
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 1 绪论 | 第7-11页 |
| ·研究背景与意义 | 第7-8页 |
| ·研究历史及发展现状 | 第8-9页 |
| ·论文的主要工作和内容安排 | 第9-11页 |
| 2 稀疏信号的表示 | 第11-19页 |
| ·引言 | 第11-12页 |
| ·基和框架 | 第12-13页 |
| ·基 | 第12页 |
| ·框架 | 第12-13页 |
| ·字典 | 第13页 |
| ·图像稀疏表示 | 第13-19页 |
| ·合成模式 | 第13-16页 |
| ·稀疏分解算法 | 第16-19页 |
| 3 分析字典与学习字典 | 第19-26页 |
| ·分析字典 | 第19-22页 |
| ·傅立叶与小波变换 | 第19-21页 |
| ·多尺度几何分析 | 第21-22页 |
| ·学习字典 | 第22-24页 |
| ·MOD算法 | 第22页 |
| ·联合正交基 | 第22-23页 |
| ·Generalized PCA | 第23页 |
| ·K-SVD算法 | 第23-24页 |
| ·参数化字典 | 第24-25页 |
| ·移不变字典 | 第24页 |
| ·多尺度字典 | 第24-25页 |
| ·级联字典 | 第25页 |
| ·本章小结 | 第25-26页 |
| 4 基于分析字典的信号稀疏表示 | 第26-39页 |
| ·压缩感知 | 第26-28页 |
| ·基于DCT和小波变换的压缩感知算法 | 第28-31页 |
| ·建立模型 | 第28-29页 |
| ·重建算法 | 第29-30页 |
| ·仿真结果 | 第30-31页 |
| ·基于多尺度几何分析的压缩感知算法 | 第31-35页 |
| ·轮廓波变换 | 第31-32页 |
| ·算法的实现 | 第32-33页 |
| ·仿真结果 | 第33-35页 |
| ·改进的基于小波变换的压缩感知算法 | 第35-38页 |
| ·建立模型与重建算法 | 第36-37页 |
| ·仿真结果 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 5 基于K-SVD算法的级联字典设计 | 第39-54页 |
| ·K-SVD图像去噪理论概述 | 第39-42页 |
| ·基于小波域的多尺度K-SVD算法 | 第42-46页 |
| ·建立模型 | 第42-44页 |
| ·算法的实现 | 第44页 |
| ·仿真结果 | 第44-46页 |
| ·基于轮廓波域的多尺度K-SVD算法 | 第46-49页 |
| ·算法的实现 | 第46-47页 |
| ·仿真结果 | 第47-49页 |
| ·基于小波树的多尺度K-SVD去算法 | 第49-53页 |
| ·图像块的小波树模型 | 第50页 |
| ·算法的实现 | 第50-51页 |
| ·仿真结果 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 6 总结 | 第54-57页 |
| ·全文总结 | 第54-55页 |
| ·进一步的工作展望 | 第55-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-62页 |
