| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 课题背景及意义 | 第8-9页 |
| 1.2 图像去噪国内外研究现状 | 第9-11页 |
| 1.3 本文主要工作及结构安排 | 第11-13页 |
| 第2章 超完备字典的图像稀疏去噪方法 | 第13-20页 |
| 2.1 稀疏表示理论发展 | 第13-15页 |
| 2.2 超完备字典的训练算法 | 第15-19页 |
| 2.2.1 基于最优方向算法的字典训练算法 | 第16-17页 |
| 2.2.2 基于K-SVD的字典训练算法 | 第17-19页 |
| 2.3 本章小结 | 第19-20页 |
| 第3章 基于非局部正则化的图像稀疏去噪方法 | 第20-24页 |
| 3.1 图像的非局部自相似性 | 第20页 |
| 3.2 基于非局部正则化的图像稀疏去噪方法 | 第20-23页 |
| 3.2.1 图像的正则性先验和稀疏性先验 | 第21-22页 |
| 3.2.2 基于非局部正则化的图像稀疏去噪模型 | 第22-23页 |
| 3.3 本章小结 | 第23-24页 |
| 第4章 基于K-SVD的低信噪比无线多媒体传感器网络视频图像稀疏去噪方法 | 第24-31页 |
| 4.1 无线多媒体传感器网络视频图像预处理 | 第24-25页 |
| 4.2 算法设计 | 第25-28页 |
| 4.3 实验结果与分析 | 第28-29页 |
| 4.4 本章小结 | 第29-31页 |
| 第5章 无线多媒体传感器网络中基于图像聚类和正则化约束的稀疏去噪方法 | 第31-40页 |
| 5.1 算法设计 | 第31-35页 |
| 5.1.1 基于感兴趣区域的无线多媒体传感器网络视频图像聚类 | 第32-33页 |
| 5.1.2 基于图像聚类和非局部正则化的无线多媒体传感器网络视频图像稀疏表示.. | 第33-34页 |
| 5.1.3 基于F范数正则化的图像去噪及重构 | 第34-35页 |
| 5.2 实验结果与分析 | 第35-38页 |
| 5.3 本章小结 | 第38-40页 |
| 结论 | 第40-42页 |
| 参考文献 | 第42-45页 |
| 致谢 | 第45-46页 |
