首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于小波及稀疏预处理的分层迭代降噪研究

摘要第4-5页
abstract第5页
第一章 绪论第8-15页
    1.1 图像降噪技术的研究背景第8-9页
        1.1.1 图像噪声的产生与分类第8-9页
    1.2 独立成分分析技术第9-10页
    1.3 神经网络技术第10-11页
    1.4 压缩稀疏技术第11-12页
    1.5 小波降噪第12-13页
    1.6 本文研究内容第13-15页
第二章 基于小波及稀疏的预处理理论分析第15-28页
    2.1 小波去噪第15-17页
        2.1.1 小波阈值降噪原理第15-17页
    2.2 稀疏矩阵方程求解第17-26页
        2.2.1 图像稀疏过程第17-20页
        2.2.2 RIP条件第20-23页
        2.2.3 L1范数最小化梯度分析第23-24页
        2.2.4 优化稀疏矩阵方程求解第24-26页
    2.3 本章总结第26-28页
第三章 基于非局部均值预测的独立成分分析降噪方法第28-38页
    3.1 字典压缩算法第28-30页
        3.1.1 稀疏模型的建立第28-29页
        3.1.2 稀疏系数的求解第29页
        3.1.3 字典压缩算法第29-30页
    3.2 非局部均值算法第30-31页
    3.3 FastICA算法降噪第31-34页
    3.4 算法仿真与实验结果第34-37页
    3.5 本章小结第37-38页
第四章 基于稀疏预处理的CNN结构的图像降噪第38-57页
    4.1 神经网络第38-40页
        4.1.1 反馈与前馈网络第38-40页
        4.1.2 人工神经网络学习算法第40页
    4.2 BP神经网络第40-43页
        4.2.1 工作原理第40-43页
    4.3 自编码神经网络第43-45页
        4.3.1 经典的自编码神经网络第43-45页
    4.4 结构分析与算法步骤第45-49页
        4.4.1 mnist数据集测试第47-49页
    4.5 图像处理及相应神经网络构架第49-56页
        4.5.1 CNN网络算法仿真与结果第53-56页
    4.6 本章小结第56-57页
第五章 总结与展望第57-59页
    5.1 总结第57页
    5.2 展望第57-59页
参考文献第59-63页
附录 1 攻读硕士学位期间撰写的论文第63-64页
附录 2 攻读硕士学位期间申请的专利第64-65页
附录 3 攻读硕士学位期间参加的科研项目第65-66页
致谢第66页

论文共66页,点击 下载论文
上一篇:非控环境下的人脸图像降维方法研究
下一篇:分布式视频压缩感知技术研究