基于低秩稀疏理论的图像去噪算法研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 专用术语注释表 | 第9-10页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 论文创新点 | 第14-15页 |
| 1.4 论文结构安排 | 第15-16页 |
| 第二章 图像去噪的理论和方法 | 第16-29页 |
| 2.1 去噪的基础理论 | 第16-22页 |
| 2.1.1 噪声描述 | 第16页 |
| 2.1.2 噪声分类 | 第16-19页 |
| 2.1.3 去噪算法分类 | 第19-21页 |
| 2.1.4 去噪效果评价 | 第21-22页 |
| 2.2 基于低秩稀疏理论的去噪算法 | 第22-28页 |
| 2.2.1 稀疏表示问题 | 第22-24页 |
| 2.2.2 低秩矩阵稀疏分解 | 第24-26页 |
| 2.2.3 低秩矩阵稀疏优化 | 第26-28页 |
| 2.3 本章小结 | 第28-29页 |
| 第三章 基于方法噪声的图像去噪 | 第29-48页 |
| 3.1 基于非局部相似和低秩模型的图像去噪算法 | 第30-33页 |
| 3.1.1 K-SVD去噪算法 | 第30-31页 |
| 3.1.2 WNNM去噪算法 | 第31-32页 |
| 3.1.3 SAIST去噪算法 | 第32-33页 |
| 3.2 基于方法噪声的图像去噪算法改进 | 第33-40页 |
| 3.2.1 方法噪声的描述与获取 | 第33-36页 |
| 3.2.2 方法噪声的分析 | 第36-38页 |
| 3.2.3 方法噪声用于图像去噪 | 第38-40页 |
| 3.3 实验结果与分析 | 第40-47页 |
| 3.3.1 基于方法噪声的K-SVD算法性能 | 第40-42页 |
| 3.3.2 基于方法噪声的SAIST算法性能 | 第42-44页 |
| 3.3.3 基于方法噪声的WNNM算法性能 | 第44-45页 |
| 3.3.4 实验分析 | 第45-47页 |
| 3.4 本章小结 | 第47-48页 |
| 第四章 基于梯度的核范数最小化图像去噪 | 第48-56页 |
| 4.1 WNNM算法详解 | 第48-49页 |
| 4.2 改进的基于梯度的加权核范数最小化去噪算法 | 第49-52页 |
| 4.2.1 图像梯度 | 第49-50页 |
| 4.2.2 基于梯度的图像相似块选取 | 第50-51页 |
| 4.2.3 基于梯度的权值设置 | 第51-52页 |
| 4.3 实验结果与分析 | 第52-55页 |
| 4.4 本章小结 | 第55-56页 |
| 第五章 基于噪声估计的迭代终止策略 | 第56-65页 |
| 5.1 传统的噪声估计算法 | 第56-59页 |
| 5.2 图像去噪迭代终止条件 | 第59-60页 |
| 5.3 基于噪声估计的迭代终止策略 | 第60-61页 |
| 5.4 实验结果与分析 | 第61-64页 |
| 5.5 本章小结 | 第64-65页 |
| 第六章 总结与展望 | 第65-67页 |
| 6.1 工作总结 | 第65-66页 |
| 6.2 工作展望 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 附录 1 攻读硕士学位期间撰写的论文 | 第71-72页 |
| 附录 2 攻读硕士学位期间参加的科研项目 | 第72-73页 |
| 附录 3 攻读硕士学位期间申请的专利 | 第73-74页 |
| 致谢 | 第74页 |
