基于稀疏表示的图像去噪方法研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 国内外发展现况 | 第9-11页 |
| 1.2.1 传统图像去噪方法 | 第9-10页 |
| 1.2.2 基于稀疏表示的图像去噪 | 第10-11页 |
| 1.3 本文结构安排 | 第11-12页 |
| 1.4 本章小结 | 第12-14页 |
| 第二章 传统图像去噪方法 | 第14-22页 |
| 2.1 引言 | 第14页 |
| 2.2 空间域去噪方法 | 第14-16页 |
| 2.2.1 均值滤波法 | 第14-15页 |
| 2.2.2 中值滤波法 | 第15-16页 |
| 2.3 变换域去噪方法 | 第16-17页 |
| 2.3.1 低通滤波 | 第16-17页 |
| 2.4 经典小波去噪方法 | 第17-21页 |
| 2.4.1 小波去噪方法 | 第18-20页 |
| 2.4.2 改进阈值去噪方法 | 第20-21页 |
| 2.5 本章小结 | 第21-22页 |
| 第三章 基于稀疏表示的图像去噪 | 第22-30页 |
| 3.1 引言 | 第22-23页 |
| 3.2 稀疏表示理论 | 第23-28页 |
| 3.2.1 稀疏逼近与稀疏表示 | 第23-24页 |
| 3.2.2 稀疏分解算法 | 第24-25页 |
| 3.2.3 稀疏字典的设计 | 第25-28页 |
| 3.3 本章小结 | 第28-30页 |
| 第四章 基于稀疏表示的多框架图像去噪 | 第30-40页 |
| 4.1 引言 | 第30页 |
| 4.2 改进算法的去噪原理 | 第30-34页 |
| 4.2.1 基本思想 | 第30-31页 |
| 4.2.2 构造自适应离散紧框架 | 第31-34页 |
| 4.3 改进算法的去噪流程 | 第34-38页 |
| 4.3.1 图像块分类 | 第34-36页 |
| 4.3.2 算法介绍 | 第36-38页 |
| 4.4 本章小结 | 第38-40页 |
| 第五章 图像去噪仿真实验 | 第40-48页 |
| 5.1 引言 | 第40页 |
| 5.2 图像去噪的实验设计 | 第40-41页 |
| 5.2.1 去噪质量评判标准 | 第40页 |
| 5.2.2 图像去噪实验设计 | 第40-41页 |
| 5.3 实验结果与分析 | 第41-46页 |
| 5.4 本章小结 | 第46-48页 |
| 第六章 总结与展望 | 第48-50页 |
| 6.1 总结 | 第48页 |
| 6.2 展望 | 第48-50页 |
| 参考文献 | 第50-54页 |
| 致谢 | 第54-56页 |
| 攻读硕士学位期间的研究成果 | 第56页 |
