| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-13页 |
| 1.1 图像去噪理论的背景意义及发展过程 | 第10页 |
| 1.2 图像去噪算法的研究现状 | 第10-11页 |
| 1.3 论文研究内容及结构安排 | 第11-13页 |
| 第2章 图像去噪基本理论 | 第13-19页 |
| 2.1 引言 | 第13页 |
| 2.2 图像噪声分类及模型 | 第13-15页 |
| 2.3 图像质量评价标准 | 第15-16页 |
| 2.3.1 客观评价标准 | 第15-16页 |
| 2.3.2 主观评价标准 | 第16页 |
| 2.4 经典图像去噪方法 | 第16-19页 |
| 2.4.1 空间域图像去噪方法 | 第16-18页 |
| 2.4.2 变换域图像去噪方法 | 第18-19页 |
| 第3章 非局部均值及基于PCA字典学习的稀疏去噪理论 | 第19-25页 |
| 3.1 引言 | 第19页 |
| 3.2 非局部均值图像去噪理论基础 | 第19-21页 |
| 3.3 基于主成分分析的字典学习方法和稀疏表示 | 第21-25页 |
| 3.3.1 聚类算法 | 第22-23页 |
| 3.3.2 主成分分析字典学习 | 第23页 |
| 3.3.3 图像稀疏表示 | 第23-25页 |
| 第4章 非局部中心化稀疏表示去噪方法的改进 | 第25-39页 |
| 4.1 引言 | 第25页 |
| 4.2 中心化的稀疏表示模型 | 第25-26页 |
| 4.3 非局部中心化的稀疏表示模型 | 第26-30页 |
| 4.3.1 未知稀疏编码的非局部估计 | 第26-28页 |
| 4.3.2 最大后验概率估计 | 第28页 |
| 4.3.3 非局部中心化稀疏表示算法 | 第28-30页 |
| 4.4 改进的非局部中心化的稀疏表示去噪算法 | 第30-33页 |
| 4.5 试验结果与分析 | 第33-39页 |
| 第5章 稀疏非局部正则化加权编码去噪算法的改进 | 第39-56页 |
| 5.1 引言 | 第39页 |
| 5.2 图像噪声模型 | 第39-40页 |
| 5.3 稀疏非局部正则化加权编码去噪算法 | 第40-43页 |
| 5.3.1 稀疏非局部正则化模型 | 第41页 |
| 5.3.2 稀疏非局部正则化加权编码模型 | 第41-43页 |
| 5.4 弹性网-稀疏非局部正则化加权编码去噪算法 | 第43-45页 |
| 5.5 实验结果与分析 | 第45-56页 |
| 结论 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 攻读学位期间公开发表论文 | 第60-61页 |
| 致谢 | 第61-62页 |
| 作者简介 | 第62页 |