第一个书签之前
基于压缩感知的天文图像压缩及去噪重建算法研究
Astronomical Image Compression and Denoising Reconstruction Algorithms based on Compressed Sensing
摘 要
Abstract
目 录
Contents
第1章 绪 论
1.1 课题背景及研究意义
1.2 国内外研究现状
1.2.1 天文图像压缩研究现状
1.2.2 天文图像去噪重建研究现状
1.2.3 压缩感知起源及在图像去噪中的应用
1.3预备知识
1.3.1 天文图像特点
1.3.2 图像评价指标
1.3.3 图像噪声源及奇异性
1.4 本文的主要研究内容
第2章 CS理论及天文图像重建模型
2.1 引言
2.2 CS理论
2.2.1 CS基础知识及数学模型
2.2.2 信号的稀疏表示
2.2.3 测量矩阵选取及设计
2.2.4 CS重建模型及重构算法
2.3 CS天文图像重建
2.3.1 CS天文图像重建模型
2.3.2 CS去噪重建方案设计
2.4 本章小结
第3章 基于CS理论的天文图像压缩
3.1 引言
3.2 图像压缩重建算法
3.2.1 JPEG-HVS图像压缩重建算法
3.2.2 IJPEG2000图像压缩重建算法
3.3 基于CS的天文图像压缩重建算法
3.3.1 OMP算法
3.3.2 MIHT算法
3.4 实验结果及分析
3.4.1 普通图像实验
3.4.2 天文图像实验
3.5 本章小结
第4章 基于小波变换的天文图像去噪
4.1 引言
4.2 小波变换
4.2.1 小波定义和经典小波基
4.2.2 连续和离散小波变换
4.2.3 小波变换逼近能力分析及去噪原理
4.3 基于小波变换的天文图像去噪重建算法
4.3.1 问题描述
4.3.2 算法设计思路
4.3.3 下降VisuShrink阈值
4.3.4 基于CS的Dai-Yuan自适应步长算子
4.3.5 循环平移
4.3.6 算法实现
4.4 本章算法的收敛性及重建性能分析
4.4.1 Dai-Yuan步长算子对收敛性的影响
4.4.2 Dai-Yuan步长算子对重建性能的影响
4.5 实验结果及分析
4.6 小结
第5章 基于曲波变换的天文图像去噪
5.1 引言
5.2 从小波变换到多尺度分析
5.3 曲波变换
5.3.1 第一代Curvelet变换
5.3.2 第二代Curvelet变换
5.3.3 Curvelet变换性质及去噪原理
5.4 基于曲波变换的天文图像去噪重建算法
5.4.1 问题描述
5.4.2 算法设计思路
