首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

超复数稀疏表示及其应用的研究

摘要第1-3页
Abstract第3-7页
第一章 绪论第7-18页
   ·引言第7-10页
   ·研究现状综述第10-15页
     ·稀疏表示理论的研究现状第10-12页
     ·矢量信号处理及其应用第12-14页
     ·图像质量评估第14-15页
   ·选题意义第15-16页
   ·论文主要安排第16-18页
第二章 超复数自适应稀疏字典及其在彩色图像去噪中的应用第18-32页
   ·引言第18页
   ·K-SVD图像去噪算法第18-21页
     ·K-SVD图像去噪算法简介第18-21页
     ·K-SVD直接应用于彩色图像去噪存在的问题第21页
   ·超复数自适应稀疏字典(QK-SVD)图像去噪算法第21-27页
     ·超复数域正交匹配算法(QOMP)第22-24页
     ·超复数奇异值分解的字典更新方法第24-27页
   ·实验仿真第27-30页
   ·本章小结第30-32页
第三章 超复数平滑L_0范数的稀疏表示第32-40页
   ·引言第32页
   ·平滑L_0范数的稀疏表示方法第32-33页
   ·超复数平滑L_0范数(QSL_0)稀疏表示方法第33-36页
     ·无噪声情况下的平滑L_0范数超复数稀疏表示(QSL_0)第33-35页
     ·噪声情况下的平滑L_0范数超复数稀疏表示(NQSL_0)第35-36页
   ·实验仿真第36-39页
     ·无噪声情况下QSL_0仿真结果第36-38页
     ·噪声情况下的NQSL_0仿真结果第38-39页
   ·本章总结第39-40页
第四章 客观图像质量评估方法第40-52页
   ·引言第40-41页
   ·结构相似性测度(SSIM)第41-44页
     ·SSIM简介第41-42页
     ·SSIM算法中存在的问题第42-44页
   ·边缘加权的结构相似性测度(EWSSIM)第44-45页
   ·超复数自适应稀疏字典相似性测度(SparseInd)第45-48页
   ·实验结果第48-51页
   ·本章总结第51-52页
第五章 总结与展望第52-55页
   ·总结第52-53页
   ·展望第53-55页
参考文献第55-62页
攻读学位期间发表的学术论文第62-63页
致谢第63-64页

论文共64页,点击 下载论文
上一篇:基于ESI的英杰公司采购信息系统开发
下一篇:基于Grails的保险单证系统开发