| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 目录 | 第8-10页 |
| Contents | 第10-12页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 研究背景及研究意义 | 第12-13页 |
| 1.2 相关研究工作 | 第13-15页 |
| 1.3 本文研究工作 | 第15-16页 |
| 1.4 论文的组织结构 | 第16-18页 |
| 第二章 经典的图像去噪方法 | 第18-28页 |
| 2.1 引言 | 第18页 |
| 2.2 传统图像去噪方法 | 第18-24页 |
| 2.2.1 空间域图像去噪 | 第18-22页 |
| 2.2.2 变换域图像去噪 | 第22-24页 |
| 2.3 小波去噪方法的相关介绍 | 第24-26页 |
| 2.3.1 流程和特点 | 第24页 |
| 2.3.2 小波去噪方法 | 第24页 |
| 2.3.3 小波阈值去噪法 | 第24-26页 |
| 2.4 本章小结 | 第26-28页 |
| 第三章 稀疏表示理论的基本介绍 | 第28-38页 |
| 3.1 引言 | 第28-29页 |
| 3.2 稀疏表示理论 | 第29-36页 |
| 3.2.1 稀疏分解算法 | 第29-32页 |
| 3.2.2 稀疏字典的设计 | 第32-36页 |
| 3.3 本章小结 | 第36-38页 |
| 第四章 基于稀疏表示的多成分字典图像去噪 | 第38-66页 |
| 4.1 引言 | 第38页 |
| 4.2 基于稀疏分解图像去噪的原理和流程 | 第38-39页 |
| 4.3 基于K-SVD和多字典的图像去噪算法 | 第39-58页 |
| 4.3.1 算法介绍 | 第39-40页 |
| 4.3.2 图像块分类 | 第40-43页 |
| 4.3.3 算法具体设计 | 第43-46页 |
| 4.3.4 仿真实验设计 | 第46-47页 |
| 4.3.5 实验结果与分析 | 第47-58页 |
| 4.4 基于Analysis K-SVD和多字典的图像去噪 | 第58-64页 |
| 4.4.1 基于合成的信号表示模型 | 第58页 |
| 4.4.2 基于分析的信号表示模型 | 第58-61页 |
| 4.4.3 相关实验 | 第61-64页 |
| 4.5 本章小结 | 第64-66页 |
| 第五章 总结与展望 | 第66-68页 |
| 5.1 论文总结 | 第66页 |
| 5.2 研究展望 | 第66-68页 |
| 参考文献 | 第68-73页 |
| 攻读硕士学位期间发表论文及科研情况 | 第73-74页 |
| 致谢 | 第74页 |