| 题名 | 基于多字典和稀疏表示的图像去噪方法; The Method of Image De-noising Based on Multi-dictionary and Sparse Representation |
| 作者 | 王自桦 |
| 答辩日期 | 2014 ; 2014 |
| 导师 | 金泰松 |
| 关键词 | 稀疏表示 图像去噪 多字典 Sparse Representation Image Denoising Multiple Dictionary |
| 英文摘要 | 在图像信号处理的各个环节，如采集、编码和传输，图像都会在一定程度上被污染，进而降低图像质量，对图像的后续处理产生影响。所以，作为图像处理中一个不可或缺的环节，图像去噪始终是国内外学者们研究的热点问题。 相较于传统的去噪方法，基于稀疏表示理论去噪方法的优势在于稀疏表示优势的充分发挥，适应实际环境的灵活性，数据处理成本和采样率的降低，进而改善去噪效果。有鉴于此，相关领域的学者们十分重视基于过完备原子库信号稀疏分解理论的研究，使其在近年来迅速发展成为一种主流的信号表示方式。在图像去噪应用的领域里，该理论取得了一定的科研进展。本文首先对传统的图像去噪算法进行了简要的概述，在简单介绍完诸如经典小波去噪...; Image may be contaminated noises during each phase in image process applications, e.g., acquisition, coding and transmission. It significantly decreases the image quality. Thus, image de-noising has always been a hot research topic. Sparse representation has been shown to be more effective than traditional de-noising methods due to adapting to physical environment, less sampling rate and data pro...; 学位：工学硕士; 院系专业：信息科学与技术学院_计算机软件与理论; 学号：23020111153097 |
| 语种 | zh_CN |
| 出处 | http://210.34.4.13:8080/lunwen/detail.asp?serial=46194 |
| 内容类型 | 学位论文 |
| 源URL | [http://dspace.xmu.edu.cn/handle/2288/84491]  |
| 专题 | 信息技术－学位论文 |
| 推荐引用方式 GB/T 7714 | 王自桦. 基于多字典和稀疏表示的图像去噪方法, The Method of Image De-noising Based on Multi-dictionary and Sparse Representation[D]. 2014, 2014. |
| 个性服务 |
| 查看访问统计 |
| 相关权益政策 |
| 暂无数据 |
| 收藏/分享 |
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。
修改评论