| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题研究的背景及意义 | 第9页 |
| 1.2 国内外发展的现状 | 第9-11页 |
| 1.2.1 图像去噪的现状 | 第9-10页 |
| 1.2.2 稀疏表示发展现状 | 第10-11页 |
| 1.3 图像噪声的类型及评价标准 | 第11-13页 |
| 1.3.1 噪声的类型 | 第11-12页 |
| 1.3.2 图像质量的评价标准 | 第12-13页 |
| 1.4 本文主要工作 | 第13-15页 |
| 第二章 稀疏表示理论的基本原理 | 第15-20页 |
| 2.1 稀疏表示理论 | 第15-17页 |
| 2.1.1 稀疏分解理论基础 | 第15-16页 |
| 2.1.2 唯一性和稀疏性 | 第16-17页 |
| 2.2 稀疏分解的经典算法 | 第17-19页 |
| 2.2.1 匹配追踪算法 | 第17-18页 |
| 2.2.2 正交匹配追踪算法 | 第18-19页 |
| 2.2.3 其它算法 | 第19页 |
| 2.3 本章小结 | 第19-20页 |
| 第三章 基于K-SVD条件下改进的图像去噪算法 | 第20-36页 |
| 3.1 K-SVD算法相关简介 | 第20-21页 |
| 3.1.1 奇异值分解 | 第20-21页 |
| 3.2 AP算法相关简介 | 第21-24页 |
| 3.2.1 AP聚类算法原理 | 第21-22页 |
| 3.2.2 改进的AP聚类算法 | 第22-23页 |
| 3.2.3 APN聚类算法的流程 | 第23-24页 |
| 3.3 字典的构造原理 | 第24-25页 |
| 3.3.1 分析字典简介 | 第24页 |
| 3.3.2 学习字典简介 | 第24-25页 |
| 3.4 K-SVD算法构造字典及其去噪原理 | 第25-28页 |
| 3.4.1 K-SVD算法构造字典的原理 | 第25-27页 |
| 3.4.2 K-SVD构造字典的算法 | 第27-28页 |
| 3.4.3 K-SVD算法去噪原理 | 第28页 |
| 3.5 基于改进字典的K-SVD算法 | 第28-35页 |
| 3.5.1 基于改进字典的K-SVD算法的流程 | 第28-29页 |
| 3.5.2 基于改进字典的K-SVD算法的仿真实验 | 第29-35页 |
| 3.6 本章小结 | 第35-36页 |
| 第四章 基于改进的K-SVD算法下的双重图像去噪 | 第36-45页 |
| 4.1 测地距离的快速可分算法 | 第36-38页 |
| 4.1.1 测地距离算法 | 第36-37页 |
| 4.1.2 一维情况的快速测地距离算法 | 第37页 |
| 4.1.3 二维情况的快速测地距离算法 | 第37-38页 |
| 4.2 双重图像去噪的原理及算法 | 第38-39页 |
| 4.2.1 双重图像去噪算法的原理 | 第38页 |
| 4.2.2 双重图像去噪算法的流程 | 第38-39页 |
| 4.3 双重去噪算法的仿真实验及分析 | 第39-44页 |
| 4.3.1 双重去噪算法的仿真实验结果 | 第39-44页 |
| 4.4 本章小结 | 第44-45页 |
| 结论与展望 | 第45-46页 |
| 参考文献 | 第46-50页 |
| 附录 部分MATLAB程序 | 第50-55页 |
| 攻读硕士学位期间发表的学术论文 | 第55-56页 |
| 致谢 | 第56页 |