基于稀疏表示和字典学习的图像去噪研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-15页 |
| ·课题来源 | 第9页 |
| ·课题研究背景及意义 | 第9-10页 |
| ·论文研究现状 | 第10-14页 |
| ·图像去噪研究现状 | 第10-12页 |
| ·稀疏表示研究现状 | 第12-14页 |
| ·论文的主要内容及组织结构 | 第14-15页 |
| 第2章 图像去噪理论及传统去噪方法实现 | 第15-35页 |
| ·图像去噪基本理论 | 第15-18页 |
| ·图像噪声模型 | 第15-16页 |
| ·图像去噪效果评价标准 | 第16-18页 |
| ·常见图像去噪方法 | 第18-27页 |
| ·中值滤波去噪 | 第18-21页 |
| ·维纳滤波去噪 | 第21-23页 |
| ·小波阈值去噪 | 第23-27页 |
| ·传统稀疏表示图像去噪 | 第27-34页 |
| ·稀疏表示简介 | 第28-29页 |
| ·稀疏表示去噪模型 | 第29-32页 |
| ·稀疏表示去噪实验 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 第3章 基于学习型字典的图像去噪 | 第35-50页 |
| ·学习型字典去噪原理 | 第35-40页 |
| ·字典训练算法 | 第36-38页 |
| ·稀疏分解算法 | 第38-40页 |
| ·学习型字典图像去噪实现 | 第40-44页 |
| ·实验结果与分析 | 第44-49页 |
| ·本章小结 | 第49-50页 |
| 第4章 基于图像分解的稀疏去噪及优化 | 第50-66页 |
| ·基于图像分解的稀疏去噪 | 第50-53页 |
| ·图像分解基本原理 | 第51-52页 |
| ·图像分解稀疏去噪原理 | 第52-53页 |
| ·引入双稀疏字典的图像分解稀疏去噪优化 | 第53-57页 |
| ·双稀疏字典原理 | 第53-54页 |
| ·双稀疏字典构建算法 | 第54-57页 |
| ·图像分解双稀疏去噪流程 | 第57页 |
| ·实验结果及分析 | 第57-65页 |
| ·图像分解稀疏去噪实验 | 第57-60页 |
| ·引入双稀疏字典的图像分解稀疏去噪实验 | 第60-65页 |
| ·本章小结 | 第65-66页 |
| 第5章 总结与展望 | 第66-68页 |
| ·课题总结 | 第66-67页 |
| ·课题展望 | 第67-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-71页 |
