基于稀疏表示的单幅图像去雨雪算法
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 课题研究背景与意义 | 第9-10页 |
| 1.2 本论文的研究工作 | 第10-11页 |
| 1.3 本论文的组织结构 | 第11-13页 |
| 第2章 背景知识与研究现状 | 第13-21页 |
| 2.1 雨雪的成像原理 | 第13-14页 |
| 2.1.1 雨雪的物理特性 | 第13页 |
| 2.1.2 雨雪图像的成像模型 | 第13-14页 |
| 2.2 基于视频的去雨雪算法 | 第14-16页 |
| 2.2.1 基于时域特征的去雨雪算法 | 第14-15页 |
| 2.2.2 基于频域特征的去雨雪算法 | 第15-16页 |
| 2.2.3 基于颜色特征的去雨雪算法 | 第16页 |
| 2.2.4 国内视频去雨雪算法研究现状 | 第16页 |
| 2.3 基于单幅图像的去雨雪算法 | 第16-17页 |
| 2.4 基于图像分解的单幅图像去雨雪算法[7] | 第17-20页 |
| 2.5 本章小结 | 第20-21页 |
| 第3章 基于稀疏表示的单幅图像去雨雪改进算法 | 第21-37页 |
| 3.1 算法简介 | 第21页 |
| 3.2 算法原理 | 第21-23页 |
| 3.2.1 图像分解 | 第22页 |
| 3.2.2 稀疏表示 | 第22-23页 |
| 3.2.3 字典学习 | 第23页 |
| 3.3 本文算法 | 第23-33页 |
| 3.3.1 图像恢复时的高频几何分量计算 | 第25页 |
| 3.3.2 字典学习后的二次分类 | 第25-27页 |
| 3.3.3 算法框图与步骤 | 第27页 |
| 3.3.4 注意事项 | 第27-33页 |
| 3.4 实验结果与分析 | 第33-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第4章 基于低秩表示的单幅图像去雨雪算法 | 第37-45页 |
| 4.1 低秩表示简介 | 第37-39页 |
| 4.1.1 从稀疏表示到低秩表示 | 第37-38页 |
| 4.1.2 低秩矩阵恢复 | 第38-39页 |
| 4.2 算法原理 | 第39-42页 |
| 4.2.1 整体框架 | 第39-40页 |
| 4.2.2 算法步骤 | 第40-41页 |
| 4.2.3 注意事项 | 第41-42页 |
| 4.3 实验结果分析 | 第42-44页 |
| 4.4 本章小结 | 第44-45页 |
| 第5章 总结与展望 | 第45-47页 |
| 5.1 论文总结 | 第45页 |
| 5.2 展望 | 第45-47页 |
| 参考文献 | 第47-53页 |
| 发表论文和参加科研情况说明 | 第53-55页 |
| 致谢 | 第55-56页 |
