基于稀疏表示和低秩的非局部图像去噪算法研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题来源 | 第9页 |
| 1.2 课题研究背景及意义 | 第9-10页 |
| 1.3 国内外研究现状 | 第10-14页 |
| 1.3.1 传统图像去噪算法 | 第11-12页 |
| 1.3.2 非局部图像去噪算法 | 第12-14页 |
| 1.4 论文主要内容及组织结构 | 第14-16页 |
| 第2章 经典的非局部图像去噪算法研究 | 第16-28页 |
| 2.1 传统图像去噪算法 | 第16-21页 |
| 2.1.1 基于空间域的图像去噪 | 第16-18页 |
| 2.1.2 基于变换域的图像去噪 | 第18-21页 |
| 2.2 经典的非局部图像去噪算法 | 第21-24页 |
| 2.2.1 非局部均值图像去噪算法 | 第21-23页 |
| 2.2.2 BM3D图像去噪算法 | 第23-24页 |
| 2.3 图像去噪评价指标 | 第24-25页 |
| 2.4 实验结果与分析 | 第25-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 基于稀疏表示的非局部图像去噪算法研究 | 第28-42页 |
| 3.1 基于稀疏表示的图像去噪相关原理 | 第28-29页 |
| 3.2 基于稀疏表示的非局部图像去噪算法 | 第29-33页 |
| 3.2.1 稀疏编码中的误差 | 第29-30页 |
| 3.2.2 局部字典的学习 | 第30-31页 |
| 3.2.3 稀疏系数的非局部估计 | 第31-33页 |
| 3.3 基于稀疏表示的非局部图像去噪改进 | 第33-37页 |
| 3.3.1 基于SSIM的局部与非局部相似性度量 | 第33-36页 |
| 3.3.2 算法实现 | 第36-37页 |
| 3.4 实验结果与分析 | 第37-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第4章 基于低秩的非局部图像去噪算法研究 | 第42-56页 |
| 4.1 基于低秩的图像去噪相关原理 | 第42-43页 |
| 4.2 基于低秩的非局部图像去噪算法 | 第43-47页 |
| 4.2.1 相似块聚合计算 | 第43页 |
| 4.2.2 空间自适应奇异值阈值收缩 | 第43-47页 |
| 4.3 基于低秩的非局部图像去噪算法改进 | 第47-51页 |
| 4.3.1 基于预滤波的相似块聚合 | 第47-49页 |
| 4.3.2 基于加权的样本均值计算 | 第49-50页 |
| 4.3.3 算法实现 | 第50-51页 |
| 4.4 实验结果及分析 | 第51-55页 |
| 4.5 本章小结 | 第55-56页 |
| 第5章 总结与展望 | 第56-58页 |
| 5.1 课题总结 | 第56-57页 |
| 5.2 课题展望 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 攻读学位期间获得与学位论文相关的科研成果目录 | 第62页 |
