论文目录 | |
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-19页 |
| 1.1 课题研究背景与意义 | 第9-10页 |
| 1.2 研究现状 | 第10-16页 |
| 1.2.1 基于稀疏表示的图像去噪算法研究现状 | 第10-13页 |
| 1.2.2 基于组稀疏的高光谱图像TV算法去噪修复应用研究现状 | 第13-15页 |
| 1.2.3 云计算Hadoop/Spark及其应用研究现状 | 第15-16页 |
| 1.3 论文主要内容 | 第16-19页 |
| 1.3.1 论文主要研究内容 | 第16-17页 |
| 1.3.2 论文结构安排 | 第17-19页 |
| 2 基于Hadoop/Spark的分布式并行计算 | 第19-26页 |
| 2.1 基于Hadoop的云计算关键技术 | 第19-22页 |
| 2.1.1 HDFS | 第19-21页 |
| 2.1.2 MapReduce | 第21-22页 |
| 2.2 基于Spark的云计算关键技术 | 第22-25页 |
| 2.2.1 Spark云计算技术 | 第22-23页 |
| 2.2.2 RDD与作业调度 | 第23-25页 |
| 2.3 本文实验平台 | 第25-26页 |
| 3 基于Spark的图像稀疏表示K-SVD算法分布式并行优化 | 第26-43页 |
| 3.1 引言 | 第26-27页 |
| 3.2 贪婪算法Greedy Methods | 第27-29页 |
| 3.3 K-SVD算法 | 第29-32页 |
| 3.4 基于Spark的K-SVD算法分布式并行优化 | 第32-37页 |
| 3.5 基于K-SVD算法的图像去噪应用及实验分析 | 第37-41页 |
| 3.6 本章小结 | 第41-43页 |
| 4 高光谱图像组稀疏表示-TV去噪修复算法的分布式并行优化 | 第43-66页 |
| 4.1 引言 | 第43页 |
| 4.2 组稀疏模型与算法 | 第43-46页 |
| 4.3 基于组稀疏的TV去噪修复算法 | 第46-53页 |
| 4.3.1 TV去噪修复算法 | 第46-48页 |
| 4.3.2 基于组稀疏的高光谱图像TV去噪修复算法 | 第48-53页 |
| 4.4 基于Spark的组稀疏-TV算法分布式并行优化 | 第53-61页 |
| 4.5 实验结果及分析 | 第61-65页 |
| 4.6 本章小结 | 第65-66页 |
| 5 总结与展望 | 第66-69页 |
| 5.1 研究总结 | 第66-67页 |
| 5.2 研究展望 | 第67-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-73页 |
