2015毕业设计课题申报表

图像稀疏分解快速算法设计

（请在空格内打√）

横向课题   ； 纵向课题   ； 自选 

真题   ；  模拟题   

稀疏分解是用尽可能少的非0系数表示信号的主要信息，从而简化信号处理问题的求解过程，其思想在图像处理的许多方面有成功应用，如目标识别、模式分类、超分辨率重建等。

本题目的主要内容一是构造用于稀疏分解的逼近性能好、密度低的过完备字典，二是在经典算法基础上，结合快速傅里叶变换设计高效的稀疏分解(逼近)算法。与其它算法的实验结果作比较，检验新方法在运算复杂度和运算速度方面的有效性。

对学生的要求：选修过《数字图像处理》课程，能使用MATLAB语言编程。

现有条件：可提供几种图像稀疏分解经典算法源代码。

指导教师签字：黄亚飞              20 年 11 月 20 日

教研室主任签字：                    年    月    日

院（系）领导签字：                  年    月    日

基于压缩感知的图像去噪方法设计

（请在空格内打√）

横向课题   ； 纵向课题   ； 自选 

真题   ；  模拟题   

压缩感知理论作为一套全新的信号采样理论，突破了传统Nyquist采样定理的瓶颈。该理论提出对于稀疏或可压缩信号，当测量矩阵满足一定条件时，在远小于Nyquist采样频率的条件下，利用对信号随机采样获取的离散样本，通过非线性重构算法就能精确的恢复出原信号。

本题目的主要内容是将压缩感知应用到图像去噪，依据压缩感知技术，建立含有噪声图像的模型，求出含噪图像的稀疏表示，通过重构算法恢复原始图像，从而最终完成噪声的去除。通过算例和经典去噪方法做对比，验证新方法去噪效果以及在计算速度上的优势。

对学生的要求：选修过《数字图像处理》课程，能使用MATLAB语言编程。

现有条件：可提供图像去噪经典算法源代码。

指导教师签字：黄亚飞              20 年 11 月 20 日

教研室主任签字：                    年    月    日

院（系）领导签字：                  年    月    日

红外图像超分辨率重建技术及应用

（请在空格内打√）

横向课题   ； 纵向课题   ； 自选 

真题   ；  模拟题   

红外图像广泛应用于在场所监控、医学成像、军事遥感成像等方面，但红外图像通常分辨率低、细节模糊、视觉效果差。超分辨率技术是利用低质量、低分辨率图像(或图像序列)来产生单幅高质量、高分辨率图像。设计相应的超分辨率重建算法以提高红外图像的质量具有非常重要的现实意义和应用价值。

本题目的主要内容是利用压缩感知理论，建立近似稀疏表示模型，设计红外图像超分辨率重建方法，将设计方法与现有算法进行实验比较，验证新方法在红外图像去噪和超分辨率重建效果上的优势。

对学生的要求：选修过《数字图像处理》课程，能使用MATLAB语言编程。

现有条件：可提供图像超分辨率重建经典算法源代码。

指导教师签字：黄亚飞              20 年 11 月 20 日

教研室主任签字：                    年    月    日

院（系）领导签字：                  年    月    日