| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究意义 | 第9-10页 |
| 1.2 研究现状 | 第10-12页 |
| 1.2.1 稀疏表示的研究现状 | 第10-11页 |
| 1.2.2 图像去噪的研究现状 | 第11-12页 |
| 1.3 图像质量评价 | 第12-13页 |
| 1.4 论文主要工作和安排 | 第13-15页 |
| 第二章 稀疏表示及图像去噪 | 第15-33页 |
| 2.1 稀疏表示 | 第15-21页 |
| 2.1.1 稀疏表示理论 | 第15-17页 |
| 2.1.2 稀疏分解算法 | 第17-19页 |
| 2.1.3 字典构造方法 | 第19-21页 |
| 2.2 图像去噪方法 | 第21-31页 |
| 2.2.1 含噪模型 | 第21-22页 |
| 2.2.2 传统的去噪方法 | 第22-23页 |
| 2.2.3 非局部均值图像去噪 | 第23-24页 |
| 2.2.4 BM3D 去噪 | 第24-28页 |
| 2.2.5 K-SVD 去噪 | 第28-31页 |
| 2.3 本章小结 | 第31-33页 |
| 第三章 基于MCA的图像去噪 | 第33-49页 |
| 3.1 MCA | 第33-34页 |
| 3.2 基于 MCA 的图像去噪 | 第34-35页 |
| 3.3 纹理部分去噪 | 第35-36页 |
| 3.4 结构部分去噪 | 第36-37页 |
| 3.5 噪声估计 | 第37-38页 |
| 3.6 实验仿真 | 第38-48页 |
| 3.6.1 灰度图像去噪 | 第38-46页 |
| 3.6.2 彩色图像去噪 | 第46-48页 |
| 3.7 本章小结 | 第48-49页 |
| 第四章 基于图像块聚类的图像稀疏去噪研究 | 第49-73页 |
| 4.1 理论介绍 | 第49-50页 |
| 4.2 模型介绍 | 第50-52页 |
| 4.3 模型求解 | 第52-62页 |
| 4.3.1 K 均值聚类方法使用及改进 | 第52-55页 |
| 4.3.2 基于 PCA 字典与 NLM 求解稀疏系数 | 第55-57页 |
| 4.3.3 稀疏系数的修正求解 | 第57-59页 |
| 4.3.4 模型目标方程求解 | 第59-60页 |
| 4.3.5 重构图像 | 第60页 |
| 4.3.6 贝叶斯去噪模型框架 | 第60-62页 |
| 4.4 算法流程 | 第62-64页 |
| 4.4.1 字典学习 | 第63-64页 |
| 4.4.2 贝叶斯模型下的深层编码 | 第64页 |
| 4.5 实验仿真 | 第64-71页 |
| 4.5.1 灰度图像去噪实验仿真 | 第64-69页 |
| 4.5.2 彩色图像去噪实验仿真 | 第69-71页 |
| 4.6 本章小结 | 第71-73页 |
| 第五章 结论 | 第73-75页 |
| 参考文献 | 第75-79页 |
| 攻读学位期间所获得的相关科研成果 | 第79-81页 |
| 致谢 | 第81-82页 |