基于稀疏表示的图像快速卡通+纹理分解
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 一、绪论 | 第8-12页 |
| ·引言 | 第8页 |
| ·图像分解的研究现状以及研究意义 | 第8-10页 |
| ·图像分解的研究现状 | 第8-10页 |
| ·图像分解的研究意义 | 第10页 |
| ·文章组织结构及创新点 | 第10-12页 |
| 二、用于图像分解的非线性滤波器和MCA算法 | 第12-19页 |
| ·非线性滤波器算法 | 第12-14页 |
| ·线性Y.Meyer模型 | 第12-13页 |
| ·基于非线性滤波的图像卡通+纹理分解 | 第13-14页 |
| ·基于MCA算法的MOM算法 | 第14-18页 |
| ·MCA算法回顾 | 第14-16页 |
| ·MOM(Mean-of-Max)阈值策略 | 第16-18页 |
| ·总结 | 第18-19页 |
| 三、基于稀疏表示的图像卡通+纹理分解 | 第19-34页 |
| ·稀疏表示的基本概念 | 第19页 |
| ·基于稀疏表示的图像卡通+纹理分解 | 第19-22页 |
| ·图像稀疏表示模型 | 第20-21页 |
| ·特征算子的选择 | 第21页 |
| ·图像卡通+纹理分解模型 | 第21-22页 |
| ·图像分解中字典的训练 | 第22-28页 |
| ·字典训练算法 | 第22-23页 |
| ·卡通纹理字典训练 | 第23-24页 |
| ·图像采样片K均值分类 | 第24-28页 |
| ·实验结果分析 | 第28-34页 |
| 四、图像快速卡通+纹理分解 | 第34-49页 |
| ·对偶字典训练简介 | 第34-35页 |
| ·基于PADDLE算法的图像快速分解 | 第35-39页 |
| ·图像快速分解模型 | 第35-36页 |
| ·用于字典训练的最近邻算法 | 第36页 |
| ·解码字典和对偶字典的更新 | 第36-38页 |
| ·梯度下降步长的选取 | 第38-39页 |
| ·PADDLE快速分解算法总结 | 第39-40页 |
| ·实验结果分析 | 第40-49页 |
| ·四种算法的分解效果对比 | 第41-48页 |
| ·四种算法的分解时间对比 | 第48-49页 |
| 五、总结与展望 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 攻读硕士期间发表的学术论文 | 第53-54页 |
| 致谢 | 第54-55页 |
