| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第7-14页 |
| 1.1 稀疏表示 | 第7-10页 |
| 1.1.1 稀疏表示的理论基础 | 第7-8页 |
| 1.1.2 稀疏分解的方法 | 第8页 |
| 1.1.3 过完备字典的构建方法 | 第8-10页 |
| 1.2 基于稀疏表示的图像降噪的研究现状 | 第10-11页 |
| 1.2.1 图像中噪声的种类 | 第10-11页 |
| 1.2.2 图像降噪的算法 | 第11页 |
| 1.3 基于稀疏表示的隐写术的研究现状 | 第11-12页 |
| 1.4 主要工作 | 第12-13页 |
| 1.5 论文安排 | 第13-14页 |
| 第二章 字典学习算法研究 | 第14-31页 |
| 2.1 基于随机梯度下降的字典学习算法 | 第14-15页 |
| 2.2 基于加权随机梯度下降的字典学习算法 | 第15-24页 |
| 2.2.1 算法推导 | 第15-16页 |
| 2.2.2 加权矩阵的选取 | 第16-17页 |
| 2.2.3 算法的简化 | 第17-19页 |
| 2.2.4 理论分析 | 第19-24页 |
| 2.3 非负限定的基于加权随机梯度下降的字典学习算法 | 第24-26页 |
| 2.3.1 非负限定的稀疏分解 | 第24-25页 |
| 2.3.2 非负限定的字典更新 | 第25页 |
| 2.3.3 非负限定的基于加权随机梯度下降的字典学习算法 | 第25-26页 |
| 2.4 实验结果及分析 | 第26-30页 |
| 2.4.1 WSGD算法的字典学习能力 | 第26-28页 |
| 2.4.2 NN-WSGD算法的字典学习能力 | 第28-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 基于稀疏表示的图像降噪算法研究 | 第31-42页 |
| 3.1 基于稀疏表示的图像降噪算法 | 第31-34页 |
| 3.1.1 从局部到全局的贝叶斯重建 | 第31-32页 |
| 3.1.2 字典已知时图像降噪的基本算法 | 第32-33页 |
| 3.1.3 基于学习型字典的图像降噪的基本算法 | 第33-34页 |
| 3.2 基于双字典的图像降噪算法 | 第34-39页 |
| 3.2.1 基于边缘检测的图像分类 | 第34-36页 |
| 3.2.2 基于双字典的图像降噪算法 | 第36-39页 |
| 3.3 实验结果及分析 | 第39-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第四章 基于图像稀疏表示的隐写中的信道选择方法研究 | 第42-60页 |
| 4.1 基于图像稀疏表示的隐写术 | 第42-46页 |
| 4.1.1 基于非负限定的匹配追踪算法的图像分解 | 第42-44页 |
| 4.1.2 冗余字典的设计方法 | 第44-46页 |
| 4.2 稀疏系数的分解次序对可检测失真的影响 | 第46-47页 |
| 4.3 JPEG隐写的信道选择方法 | 第47-49页 |
| 4.3.1 JPEG压缩的基本方法 | 第47-48页 |
| 4.3.2 JPEG隐写的信道选择方法 | 第48-49页 |
| 4.4 基于图像稀疏表示的隐写中的新的信道选择方法 | 第49-52页 |
| 4.4.1 图像块的复杂性对可检测失真的影响 | 第50-51页 |
| 4.4.2 新的信道选择方法 | 第51-52页 |
| 4.5 实验结果及分析 | 第52-59页 |
| 4.5.1 图像块的复杂性对可检测失真的影响 | 第52-54页 |
| 4.5.2 新的信道选择方法对可检测失真的影响 | 第54-59页 |
| 4.6 本章小结 | 第59-60页 |
| 第五章 总结与展望 | 第60-62页 |
| 5.1 总结 | 第60页 |
| 5.2 展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 攻读硕士期间发表的论文 | 第66-67页 |
| 致谢 | 第67-68页 |
