稀疏表示理论在图像重构及去噪中的应用研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 1 图像重构和去噪问题概述 | 第7-12页 |
| ·研究背景 | 第7页 |
| ·图像去噪算法的发展 | 第7-8页 |
| ·图像质量评价方法 | 第8-9页 |
| ·图像的主观评价 | 第8-9页 |
| ·图像的客观评价 | 第9-10页 |
| ·常见噪声种类的归纳 | 第10-11页 |
| ·高斯噪声 | 第10页 |
| ·椒盐噪声 | 第10页 |
| ·对数正态噪声 | 第10页 |
| ·瑞丽噪声 | 第10-11页 |
| ·指数和厄兰噪声 | 第11页 |
| ·本文结构安排 | 第11-12页 |
| 2 经典去噪方法简介 | 第12-16页 |
| ·均值滤波 | 第12-13页 |
| ·算术均值滤波器 | 第12页 |
| ·几何均值滤波器 | 第12页 |
| ·调和均值 | 第12-13页 |
| ·中值滤波 | 第13页 |
| ·维纳滤波 | 第13-14页 |
| ·小波滤波 | 第14-15页 |
| ·非局部均值算法 | 第15-16页 |
| 3 压缩感知理论简介 | 第16-21页 |
| ·原始信号 | 第16页 |
| ·变换编码及其不足 | 第16-17页 |
| ·压缩感知问题 | 第17-18页 |
| ·问题的解决：设计一个稳定的测量矩阵 | 第18-19页 |
| ·信号重构算法 | 第19-21页 |
| ·最小l_2范数重构法 | 第19页 |
| ·最小l_0范数重构法 | 第19页 |
| ·最小l_1范数重构法 | 第19-21页 |
| 4 追踪算法及其在图像重构中的应用 | 第21-27页 |
| ·P_0问题 | 第21页 |
| ·P_0问题的解法 | 第21页 |
| ·匹配追踪算法(MP) | 第21-22页 |
| ·正交匹配追踪算法(OMP) | 第22页 |
| ·弱匹配追踪算法(WMP) | 第22-23页 |
| ·基追踪算法(BP)简介 | 第23页 |
| ·逐步正交匹配追踪算法(StOMP) | 第23-24页 |
| ·实验算例 | 第24-26页 |
| ·小结 | 第26-27页 |
| 5 K-SVD字典训练去噪算法 | 第27-35页 |
| ·K-SVD算法介绍 | 第27-30页 |
| ·字典学习算法的起源 | 第27-28页 |
| ·K-SVD算法 | 第28-29页 |
| ·K-SVD字典学习去噪算法 | 第29-30页 |
| ·图像去噪算例 | 第30-35页 |
| ·高斯噪音去噪 | 第30-32页 |
| ·椒盐噪声图像的去噪 | 第32-34页 |
| ·计算时间对比 | 第34页 |
| ·小结 | 第34-35页 |
| 6 总结 | 第35-36页 |
| 参考文献 | 第36-39页 |
| 在校期间发表论文情况 | 第39-40页 |
| 致谢 | 第40页 |
