基于稀疏模型的遥感图像去噪处理研究
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-10页 |
| 1 引言 | 第10-17页 |
| ·卫星图像去噪的背景意义 | 第10页 |
| ·噪声特性与模型 | 第10-11页 |
| ·图像去噪技术的研究进展 | 第11-13页 |
| ·传统的图像去噪处理 | 第11-12页 |
| ·稀疏分解的发展历史 | 第12页 |
| ·基于稀疏模型的图像去噪处理 | 第12-13页 |
| ·图像去噪效果评价 | 第13-15页 |
| ·主观评价 | 第14页 |
| ·客观评价 | 第14-15页 |
| ·本文的主要工作 | 第15-17页 |
| 2 经典去噪算法综述 | 第17-28页 |
| ·空间域上的图像去噪 | 第17-22页 |
| ·均值滤波方法 | 第17-19页 |
| ·基于Digital TV模型的线性滤波器 | 第19-22页 |
| ·频率域图像去噪 | 第22页 |
| ·基于小波变换的图像去噪 | 第22-27页 |
| ·模极大值去噪方法 | 第23-24页 |
| ·相关系数法 | 第24页 |
| ·小波收缩法 | 第24-26页 |
| ·阈值收缩法去噪结果 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 3 信号的稀疏表示基本理论 | 第28-39页 |
| ·信号的稀疏表示 | 第28-29页 |
| ·稀疏分解算法 | 第29-33页 |
| ·MP算法 | 第29-33页 |
| ·OMP算法 | 第33页 |
| ·过完备字典的构造及学习过程 | 第33-35页 |
| ·基于原子库的处理方法 | 第33-35页 |
| ·自适应的动态在线学习方法 | 第35页 |
| ·实验结果 | 第35-38页 |
| ·本章小结 | 第38-39页 |
| 4 基于过完备字典的图像稀疏模型去噪 | 第39-46页 |
| ·图像小块的稀疏模型 | 第39-40页 |
| ·整幅图像的稀疏模型 | 第40-41页 |
| ·模型的数字求解 | 第41页 |
| ·实验仿真及分析 | 第41-45页 |
| ·本章小结 | 第45-46页 |
| 5 基于自适应字典学习的图像去噪 | 第46-57页 |
| ·基于K-SVD的字典学习算法 | 第46-49页 |
| ·奇异值分解(SVD) | 第46-47页 |
| ·K-SVD算法介绍 | 第47-49页 |
| ·K-SVD字典的性质 | 第49页 |
| ·基于字典学习自适应图像的稀疏表示去噪 | 第49-51页 |
| ·基于小波域自适应字典学习的图像去噪 | 第51-52页 |
| ·实验仿真分析 | 第52-56页 |
| ·本章小结 | 第56-57页 |
| 6 总结与展望 | 第57-59页 |
| ·总结 | 第57页 |
| ·展望 | 第57-59页 |
| 参考文献 | 第59-62页 |
| 作者简历 | 第62-64页 |
| 学位论文数据集 | 第64页 |
