基于稀疏表示的边缘保持图像去噪方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 图像边缘保持去噪的研究背景和意义 | 第10-11页 |
| 1.2 图像去噪的研究现状及发展趋势 | 第11-14页 |
| 1.3 论文的主要内容 | 第14-15页 |
| 1.4 论文的结构安排 | 第15-16页 |
| 第2章 图像的稀疏表示和边缘检测简介 | 第16-28页 |
| 2.1 稀疏表示理论 | 第16-18页 |
| 2.1.1 稀疏表示的生物性 | 第16-17页 |
| 2.1.2 稀疏表示的数学性 | 第17页 |
| 2.1.3 稀疏表示模型 | 第17-18页 |
| 2.1.4 稀疏表示的稀疏度 | 第18页 |
| 2.1.5 冗余的稀疏表示 | 第18页 |
| 2.2 稀疏表示去噪算法介绍 | 第18-22页 |
| 2.2.1 图像噪声模型 | 第18-20页 |
| 2.2.2 局部分块的稀疏模型 | 第20页 |
| 2.2.3 图像整体的稀疏模型 | 第20-21页 |
| 2.2.4 基于K-SVD的字典训练 | 第21-22页 |
| 2.3 图像去噪算法的评价方法 | 第22-24页 |
| 2.3.1 主观的评价方法 | 第22-23页 |
| 2.3.2 客观的评价方法 | 第23-24页 |
| 2.4 边缘检测的相关介绍 | 第24-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 基于LOBS边缘检测算子的研究 | 第28-40页 |
| 3.1 B样条滤波方法分析 | 第28-31页 |
| 3.2 基于B样条滤波的边缘检测算子 | 第31-37页 |
| 3.2.1 B样条平滑函数与高斯平滑函数的比较 | 第32-34页 |
| 3.2.2 滤波后的灰度变换 | 第34-36页 |
| 3.2.3 LOBS边缘检测算子 | 第36-37页 |
| 3.3 实验结果分析 | 第37-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第4章 基于稀疏分解的边缘保持图像去噪算法的研究 | 第40-50页 |
| 4.1 稀疏分解原理 | 第40-42页 |
| 4.2 图像去噪中的稀疏分解算法的介绍 | 第42-45页 |
| 4.2.1 MP算法 | 第42-43页 |
| 4.2.2 OMP算法 | 第43-45页 |
| 4.3 基于OMP的边缘保持的图像去噪算法 | 第45-49页 |
| 4.3.1 边缘保持算子 | 第45-47页 |
| 4.3.2 算法描述 | 第47-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第5章 算法实现及实验结果分析 | 第50-56页 |
| 5.1 算法实现过程 | 第50-51页 |
| 5.2 实验结果及分析 | 第51-55页 |
| 5.3 本章小结 | 第55-56页 |
| 结论 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 攻读学位期间发表论文与研究成果清单 | 第60-61页 |
| 致谢 | 第61页 |
