| 摘要 | 第1-4页 |
| ABSTRACT | 第4-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-17页 |
| ·课题背景及意义 | 第8-11页 |
| ·无线多媒体传感器网络概述 | 第9-10页 |
| ·WMSN 图像特征分析 | 第10-11页 |
| ·图像去噪的研究现状 | 第11-15页 |
| ·传统的图像去噪方法 | 第11-12页 |
| ·稀疏去噪方法的研究现状 | 第12-13页 |
| ·非局部去噪方法的研究现状 | 第13-14页 |
| ·图像质量评价标准 | 第14-15页 |
| ·无线多媒体传感器网络的图像去噪 | 第15-16页 |
| ·论文主要工作及组织结构 | 第16-17页 |
| 第二章 稀疏表示图像去噪方法 | 第17-23页 |
| ·稀疏表示 | 第17-19页 |
| ·稀疏表示理论 | 第17页 |
| ·稀疏分解算法 | 第17-19页 |
| ·图像的稀疏表示去噪模型 | 第19-22页 |
| ·图像的稀疏表示模型 | 第19-20页 |
| ·基于超完备字典的图像去噪模型 | 第20页 |
| ·基于 K-SVD 的字典训练算法 | 第20-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 基于非局部相似的结构聚类去噪方法 | 第23-32页 |
| ·图像的非局部自相似性 | 第23页 |
| ·基于稀疏表示的非局部去噪算法 | 第23-31页 |
| ·图像块结构聚类 | 第23-28页 |
| ·图像分区域字典学习 | 第28页 |
| ·基于稀疏表示的非局部去噪模型 | 第28-31页 |
| ·本章小结 | 第31-32页 |
| 第四章 基于结构聚类与集中正则化的 WMSN 视频图像稀疏去噪算法研究 | 第32-41页 |
| ·WMSN 视频图像预处理 | 第32页 |
| ·稀疏表示误差 | 第32-34页 |
| ·基于结构聚类与集中正则化的 WMSN 视频图像稀疏去噪算法 | 第34-36页 |
| ·实验结果对比与分析 | 第36-40页 |
| ·本章小结 | 第40-41页 |
| 第五章 基于非局部 MCMC 采样和自适应阈值低秩逼近的 WMSN 图像去噪算法研究 | 第41-52页 |
| ·图像非局部相似块低秩先验 | 第41-42页 |
| ·基于非局部 MCMC 采样和自适应阈值低秩逼近的 WMSN 图像去噪算法 | 第42-47页 |
| ·MCMC 结构聚类 | 第42-44页 |
| ·相似块簇低秩逼近 | 第44-45页 |
| ·奇异值自适应阈值估计 | 第45-46页 |
| ·算法整体流程 | 第46-47页 |
| ·实验结果对比与分析 | 第47-51页 |
| ·本章小结 | 第51-52页 |
| 第六章 总结与展望 | 第52-54页 |
| ·主要工作回顾 | 第52-53页 |
| ·工作展望 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 个人简历 在读期间发表的学术论文 | 第57-58页 |
| 致谢 | 第58页 |
