摘要 | 第5-7页 |
Abstract | 第7-8页 |
1 绪论 | 第13-22页 |
1.1 研究背景和意义 | 第13-16页 |
1.2 信号表示模型及分解算法发展回顾 | 第16-19页 |
1.3 论文的研究内容和创新 | 第19-20页 |
1.4 论文结构安排 | 第20-22页 |
2 信号的稀疏分解算法概述 | 第22-47页 |
2.1 信号稀疏分解算法介绍 | 第22-36页 |
2.1.1 匹配追踪和基追踪算法 | 第23-30页 |
2.1.2 经验模态分解算法 | 第30-34页 |
2.1.3 零空间追踪算法 | 第34-36页 |
2.2 图像稀疏分解算法介绍 | 第36-42页 |
2.2.1 图像的稀疏表示 | 第36-40页 |
2.2.2 图像的卡通+纹理分解算法 | 第40-42页 |
2.3 信号分解算法的应用介绍 | 第42-47页 |
3 基于稀疏表示的心电信号增强算法 | 第47-62页 |
3.1 字典学习的快速算法 | 第48-51页 |
3.2 心电信号去噪声和基线校正 | 第51-56页 |
3.2.1 心电信号字典训练 | 第52-54页 |
3.2.2 同步去噪声和基线校正 | 第54-56页 |
3.3 实验结果与分析 | 第56-61页 |
3.4 本章小结 | 第61-62页 |
4 基于信号稀疏分解的心跳检测算法 | 第62-80页 |
4.1 心跳检测算法介绍 | 第62-66页 |
4.2 基于稀疏表示的心电信号中QRS波检测算法 | 第66-68页 |
4.3 结合心电和血氧信号的心跳检测算法 | 第68-73页 |
4.4 实验结果与分析 | 第73-78页 |
4.5 本章小结 | 第78-80页 |
5 基于稀疏分解的图像超分辨率重建 | 第80-109页 |
5.1 图像的快速卡通+纹理分解算法 | 第80-82页 |
5.2 图像快速超分辨率重建算法 | 第82-90页 |
5.2.1 基于多尺度非局部自相似模型的卡通成分超分辨率重建 | 第83-85页 |
5.2.2 基于小波域隐马尔科夫树模型的纹理成分超分辨率重建 | 第85-89页 |
5.2.3 基于分解的图像快速超分辨率重建算法实现 | 第89-90页 |
5.3 自然图像实验结果与分析 | 第90-99页 |
5.3.1 实验设置 | 第90-92页 |
5.3.2 结果和讨论 | 第92-99页 |
5.4 医学影像处理系统应用验证 | 第99-107页 |
5.5 本章小结 | 第107-109页 |
6 总结与展望 | 第109-112页 |
致谢 | 第112-113页 |
参考文献 | 第113-122页 |
附录 | 第122页 |