声明
摘要
插图索引
附表索引
第1章 绪论
1.1 研究意义
1.2 图像的多尺度几何分析
1.2.1 多尺度几何分析的由来
1.2.2 多尺度几何分析的研究现状
1.2.3 多尺度几何分析理论存在的不足
1.3 图像稀疏表示与压缩感知
1.3.1 压缩感知理论的由来
1.3.2 压缩感知理论的框架
1.3.3 压缩感知理论的研究现状
1.4 论文的主要创新点
1.5 论文内容安排
第2章 方向性多尺度几何分析方法
2.1 Contourlet变换
2.2 非下采样Contourlet变换
2.3 Beamlet变换
2.4 Directionlet变换
2.5 Shearlet变换
2.6 本章小结
第3章 基于多尺度几何分析的图像滤波
3.1 传统图像滤波方法
3.2 基于平移不变轮廓波的图像滤波
3.2.1 滤波器的改进
3.2.2 基于改进轮廓波的去噪算法
3.2.3 算法仿真和实验分析
3.3 基于Shearlet变换的去噪方法
3.3.1 快速数字Shearlet框架构成
3.3.2 SURE无偏估计
3.3.3 Shearlet-SURE去噪算法
3.3.4 实验结果及分析
3.4 基于NSCT-Wave atom框架的压缩感知去噪模型
3.4.1 Curvelet和Wave atom变换
3.4.2 去噪框架
3.4.3 数值试验
3.5 本章小结
第4章 基于多尺度-压缩感知理论的图像融合
4.1 图像融合主要算法
4.1.1 图像源分类
4.1.2 图像融合层次
4.1.3 像素级图像融合
4.1.4 基于多尺度的图像融合
4.2 基于NSCT压缩域的融合方法
4.2.1 低频子带系数选择方法
4.2.2 带通方向子带系数选择方法
4.2.3 试验分析
4.3 基于插值Directionlet的融合方法
4.3.1 插值Directionlet变换
4.3.2 CS融合方法
4.3.3 实验结果与分析
4.4 基于改进Shearlet变换的融合方法
4.4.1 改进Shearlet变换
4.4.2 融合方法
4.4.3 试验结果与分析
4.5 基于NSCT-Beamlet变换的图像融合
4.5.1 低频子带系数融合
4.5.2 高频子带系数融合
4.5.3 数值试验
4.6 本章小结
第5章 基于多尺度-压缩感知的纹理图像分类
5.1 纹理图像分析摄述及方法
5.1.1 纹理图像定义及纹理特征
5.1.2 纹理分析算法
5.2 基于Scattering描述子的分类
5.2.1 散射变换
5.2.2 散射系数
5.2.3 散射距离
5.2.4 仿射模型选择以及纹理分类
5.3 基于Curvelet-Scattering描述子的分类
5.3.1 Curvelet变换
5.3.2 旋转不变Curvelet特征提取
5.3.3 旋转规范化
5.3.4 旋转不变性测试
5.3.5 计算效率测试
5.4 基于压缩域的纹理分类方法
5.4.1 建立纹理稀疏模型
5.4.2 观测降维
5.4.3 分类测试
5.5 本章小结
第6章 结论与展望
参考文献
致谢
附录A 发表的学术论文目录