基于稀疏表示的图像压缩和去噪理论与应用PDF|Epub|txt|kindle电子书版本网盘下载

基于稀疏表示的图像压缩和去噪理论与应用PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 绪论1

1.1 人眼视觉特性1

1.1.1 视觉系统1

1.1.2 视觉信息处理机制和感知模型2

1.1.3 视觉特性与启示3

1.2 图像模型与表示5

1.2.1 图像模型5

1.2.2 图像表示方法5

1.3 图像稀疏表示与处理13

1.3.1 信号的稀疏表示13

1.3.2 图像稀疏表示模型14

1.3.3 基于稀疏表示的图像处理15

1.4 图像质量的评价17

1.4.1 主观评价17

1.4.2 客观评价18

1.5 本章小结19

第2章 稀疏表示的原理及方法20

2.1 信号的稀疏表示20

2.1.1 信号的表示20

2.1.2 稀疏的度量21

2.1.3 冗余稀疏表示21

2.2 原子库构建22

2.2.1 原子库的发展与分类22

2.2.2 基于解析的原子库22

2.2.3 原子库学习方法25

2.3 稀疏分解27

2.4 本章小结31

第3章 图像压缩编码概述32

3.1 压缩编码流程32

3.2 经典编码技术33

3.3 第二代图像编码34

3.4 小波图像编码35

3.5 可伸缩编码技术37

3.6 基于冗余表示的图像编码38

3.6.1 冗余表示编码框架38

3.6.2 矢量量化40

3.6.3 分形编码41

3.6.4 匹配追踪编码42

3.6.5 讨论43

3.7 本章小结43

第4章 分形图像压缩编码44

4.1 分形编码数学基础44

4.1.1 迭代函数系统理论44

4.1.2 不动点定理46

4.1.3 拼贴定理47

4.2 分形图像编码原理与实现48

4.2.1 编码原理48

4.2.2 编码方法49

4.2.3 实验结果51

4.3 分形图像解码的灵活性54

4.3.1 可控质量渐进解码54

4.3.2 分辨率无关解码60

4.4 本章小结60

第5章 匹配追踪图像压缩编码62

5.1 原子库的构建62

5.2 MP图像分解65

5.2.1 FSMP算法65

5.2.2 MP原子特性66

5.3 多尺度MP分解70

5.3.1 图像多尺度表示70

5.3.2 多尺度追踪71

5.3.3 实验结果75

5.4 MP图像编码78

5.4.1 MP编码研究现状79

5.4.2 基于块划分的MP编码81

5.4.3 码流的可伸缩性85

5.4.4 实验结果87

5.5 本章小结97

第6章 图像去噪概述98

6.1 噪声及其度量98

6.1.1 图像噪声98

6.1.2 噪声的度量99

6.2 空域去噪技术100

6.3 变换域去噪技术101

6.4 非局部去噪技术103

6.5 冗余稀疏去噪技术106

6.6 讨论109

6.7 本章小结110

第7章 基于全局原子库的冗余稀疏去噪111

7.1 概述111

7.2 原子库学习112

7.2.1 基于相关系数准则的稀疏编码112

7.2.2 基于噪声检测的原子库裁剪114

7.2.3 原子库学习算法115

7.3 稀疏分解去噪117

7.3.1 多级分解去噪117

7.3.2 稀疏编码策略119

7.3.3 人为噪声抑制119

7.4 实验结果120

7.4.1 参数设置120

7.4.2 原子库学习的评估121

7.4.3 多级去噪性能评估125

7.4.4 客观性能比较126

7.4.5 主观性能比较126

7.5 本章小结133

第8章 基于空间自适应原子库的冗余稀疏去噪134

8.1 概述134

8.2 算法思路135

8.3 全局空间分析136

8.4 原子库训练137

8.5 基原子选择140

8.6 算法描述142

8.7 讨论143

8.8 实验结果143

8.8.1 主特点评估143

8.8.2 客观性能比较145

8.8.3 主观性能比较145

8.9 本章小结149

参考文献150