|
|
|
基于稀疏表示的图像去噪算法研究 |
|
论文目录 |
|
摘要 | 第4-6页 | ABSTRACT | 第6-7页 | 第一章 绪论 | 第12-19页 | 1.1 课题研究背景及意义 | 第12-13页 | 1.2 国内外研究现状及分析 | 第13-17页 | 1.2.1 空域滤波技术的研究现状 | 第14-15页 | 1.2.2 频域滤波技术的研究现状 | 第15-16页 | 1.2.3 稀疏表示理论的发展现状 | 第16-17页 | 1.3 课题研究的内容 | 第17-19页 | 第二章 字典学习算法 | 第19-29页 | 2.1 稀疏表示理论 | 第19-21页 | 2.1.1 稀疏分解 | 第19-20页 | 2.1.2 OMP算法 | 第20-21页 | 2.2 字典学习算法 | 第21-23页 | 2.2.1 MOD算法 | 第22页 | 2.2.2 K-SVD算法 | 第22-23页 | 2.3 基于MOD和AK-SVD的字典学习算法 | 第23-25页 | 2.4 数值实验 | 第25-28页 | 2.4.1 合成数据实验 | 第25-27页 | 2.4.2 图块字典学习实验 | 第27-28页 | 2.5 本章小结 | 第28-29页 | 第三章 基于稀疏表示的图像去噪 | 第29-42页 | 3.1 基于正则化约束的图像去噪模型 | 第29-30页 | 3.2 基于稀疏表示的图像去噪模型 | 第30-33页 | 3.2.1 基于图块的处理方法 | 第30-31页 | 3.2.2 基于稀疏正则化的图像去噪模型 | 第31-33页 | 3.3 优化基于稀疏表示的图像去噪框架 | 第33-34页 | 3.4 图像质量评价法 | 第34-35页 | 3.4.1 主观评价方法 | 第34页 | 3.4.2 客观评价方法 | 第34-35页 | 3.5 实验结果 | 第35-41页 | 3.6 本章小结 | 第41-42页 | 第四章 基于非局部自相似性和稀疏表示的图像去噪算法 | 第42-61页 | 4.1 基于结构相似性的度量方法 | 第42-45页 | 4.1.1 常用相似性度量方法 | 第42-43页 | 4.1.2 基于结构相似性的度量方法 | 第43-45页 | 4.2 非局部中心化稀疏表示算法 | 第45-49页 | 4.2.1 中心化稀疏表示模型 | 第45-46页 | 4.2.2 迭代收缩算法 | 第46-47页 | 4.2.3 非局部中心化稀疏编码估计 | 第47-48页 | 4.2.4 基于SSIM的NCSR算法 | 第48-49页 | 4.2.5 算法描述 | 第49页 | 4.3 空间自适应迭代奇异值阈(SAIST)算法 | 第49-53页 | 4.3.1 基于低秩的联合稀疏编码模型 | 第49-50页 | 4.3.2 自适应奇异阈值设计 | 第50-52页 | 4.3.3 基于SSIM的SAIST算法 | 第52-53页 | 4.3.4 算法描述 | 第53页 | 4.4 仿真实验和结果分析 | 第53-60页 | 4.5 本章小结 | 第60-61页 | 结论与展望 | 第61-63页 | 参考文献 | 第63-68页 | 攻读硕士学位期间发表的论文 | 第68-70页 | 致谢 | 第70页 |
|
|
|
|
论文编号BS3222299,这篇论文共70页 会员购买按0.35元/页下载,共需支付24.5元。 直接购买按0.5元/页下载,共需要支付35元 。 |
|
|
我还不是会员,注册会员!
会员下载更优惠!充值送钱! |
我只需要这篇,无需注册!
直接网上支付,方便快捷! |
|
|
|
版权申明:本目录由www.jylw.com网站制作,本站并未收录原文,如果您是作者,需要删除本篇论文目录请通过QQ或其它联系方式告知我们,我们承诺24小时内删除。 |
|
|