基于压缩感知的图像去噪方法的研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-12页 |
| ·引言 | 第7-8页 |
| ·研究意义 | 第8页 |
| ·国内外研究现状 | 第8-10页 |
| ·结构和研究内容 | 第10-12页 |
| 第二章 压缩感知理论 | 第12-22页 |
| ·压缩感知基本原理 | 第12页 |
| ·压缩感知问题描述 | 第12-19页 |
| ·信号的稀疏表示 | 第13-14页 |
| ·观测矩阵的构造 | 第14-16页 |
| ·信号的重构算法 | 第16-19页 |
| ·压缩感知含噪图像模型 | 第19-20页 |
| ·图像质量评价标准 | 第20-22页 |
| 第三章 基于单层小波变换的改进的压缩感知重构算法 | 第22-32页 |
| ·基于小波变换的 OMP 图像重构算法 | 第22-25页 |
| ·二维图像小波变换 | 第22-23页 |
| ·正交匹配追踪(OMP)算法 | 第23-24页 |
| ·单层小波变换的图像压缩感知重构 | 第24-25页 |
| ·单层小波变换改进的压缩感知图像处理 | 第25-31页 |
| ·加权矩阵对小波分解稀疏增强 | 第26-27页 |
| ·基于单层小波变换稀疏分解改进与重构 | 第27-28页 |
| ·实验结果与分析 | 第28-31页 |
| ·本章小结 | 第31-32页 |
| 第四章 基于联合滤波的聚类压缩感知图像去噪算法 | 第32-49页 |
| ·非局部均值滤波去噪 | 第32-33页 |
| ·基于聚类稀疏表示去噪 | 第33-37页 |
| ·K-means 结构聚类 | 第33-36页 |
| ·基于聚类压缩感知去噪数学模型 | 第36-37页 |
| ·图像增强预处理 | 第37-41页 |
| ·巴特沃斯低通滤波 | 第37-39页 |
| ·维纳滤波 | 第39-40页 |
| ·图像高频提取预处理 | 第40-41页 |
| ·多循环字典更新 K-SVD 算法图像重构 | 第41-45页 |
| ·K-SVD 算法 | 第41-43页 |
| ·改进多循环字典更新 K-SVD 算法 | 第43-45页 |
| ·联合滤波压缩感知聚类图像去噪 | 第45-46页 |
| ·实验结果与分析 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 第五章 基于相似块网络构造的压缩感知去噪算法 | 第49-61页 |
| ·引言 | 第49页 |
| ·基于谱聚类算法图像块网络构造 | 第49-54页 |
| ·谱聚类算法 | 第49-53页 |
| ·相似块网络构造 | 第53-54页 |
| ·图像重构 | 第54-56页 |
| ·实验结果与分析 | 第56-60页 |
| ·本章小结 | 第60-61页 |
| 总结与展望 | 第61-62页 |
| 本文工作总结 | 第61页 |
| 展望 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 附录：作者在攻读硕士学位期间发表论文 | 第67页 |
