基于压缩感知的图像复原技术的研究
| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 绪论 | 第13-18页 |
| 1.1 研究背景与意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-16页 |
| 1.3 研究内容与结构安排 | 第16-18页 |
| 2 图像复原基本理论 | 第18-31页 |
| 2.1 图像的退化模型 | 第18-22页 |
| 2.2 非约束复原 | 第22-25页 |
| 2.3 有约束复原 | 第25-28页 |
| 2.4 几种其他图像复原技术 | 第28-29页 |
| 2.5 小结 | 第29-31页 |
| 3 压缩感知理论 | 第31-40页 |
| 3.1 引言 | 第31-32页 |
| 3.2 压缩感知理论的基本内容 | 第32-39页 |
| 3.3 压缩感知理论的应用概述 | 第39页 |
| 3.4 小结 | 第39-40页 |
| 4 基于稀疏表示的图像去噪方法的研究 | 第40-56页 |
| 4.1 概述 | 第40-41页 |
| 4.2 传统的小波阈值去噪 | 第41-42页 |
| 4.3 样本分类 | 第42-45页 |
| 4.4 运用字典学习方法对分类的图像进行稀疏表示 | 第45-49页 |
| 4.5 自适应冗余字典进行稀疏表示去除图像噪声 | 第49-51页 |
| 4.6 仿真结果与分析 | 第51-55页 |
| 4.7 小结 | 第55-56页 |
| 5 基于字典学习的图像去模糊算法研究 | 第56-68页 |
| 5.1 典型的图像去模糊方法 | 第56-58页 |
| 5.2 图像盲复原去模糊 | 第58-60页 |
| 5.3 基于字典的图像去模糊 | 第60-62页 |
| 5.4 仿真结果与分析 | 第62-67页 |
| 5.5 小结 | 第67-68页 |
| 6 总结与展望 | 第68-69页 |
| 6.1 总结 | 第68页 |
| 6.2 展望 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 作者简介 | 第73-75页 |
| 学位论文数据集 | 第75页 |
