| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第13-20页 |
| 1.1 课题的研究背景和意义 | 第13-14页 |
| 1.2 课题的国内外研究概况 | 第14-17页 |
| 1.2.1 太赫兹图像去噪 | 第14-15页 |
| 1.2.2 太赫兹图像增强 | 第15-16页 |
| 1.2.3 太赫兹图像分割与边缘检测 | 第16-17页 |
| 1.3 本文的章节安排及创新点 | 第17-20页 |
| 1.3.1 本文的章节安排 | 第17-18页 |
| 1.3.2 本文的主要创新点 | 第18-20页 |
| 第二章 基于局部主邻域字典的太赫兹图像去噪方法 | 第20-29页 |
| 2.1 引言 | 第20-21页 |
| 2.2 基于主邻域字典的图像去噪方法 | 第21-22页 |
| 2.3 基于局部主邻域字典的图像去噪方法 | 第22-25页 |
| 2.4 实验结果和分析 | 第25-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 基于空域引导图和快速局部拉普拉斯滤波的太赫兹图像增强方法 | 第29-36页 |
| 3.1 引言 | 第29-30页 |
| 3.2 局部拉普拉斯滤波 | 第30-31页 |
| 3.3 基于空域引导图的快速局部拉普拉斯滤波 | 第31-33页 |
| 3.4 实验结果与分析 | 第33-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第四章 基于区域方差加权项的改进CV模型图像分割方法 | 第36-44页 |
| 4.1 引言 | 第36-37页 |
| 4.2 CV模型 | 第37-38页 |
| 4.3 区域方差加权项的改进CV模型 | 第38-41页 |
| 4.4 实验结果与分析 | 第41-43页 |
| 4.5 本章小结 | 第43-44页 |
| 第五章 基于K均值聚类和改进CV模型的太赫兹图像分割 | 第44-51页 |
| 5.1 引言 | 第44-45页 |
| 5.2 粒子群优化的K均值聚类算法 | 第45页 |
| 5.3 改进边缘指示函数的CV模型 | 第45-47页 |
| 5.4 实验结果与分析 | 第47-50页 |
| 5.5 本章小结 | 第50-51页 |
| 第六章 基于主成分分析和活动轮廓模型的太赫兹图像边缘检测方法 | 第51-59页 |
| 6.1 引言 | 第51-52页 |
| 6.2 LBF模型 | 第52-53页 |
| 6.3 基于PCA的活动轮廓模型 | 第53-56页 |
| 6.4 实验结果与分析 | 第56-58页 |
| 6.5 本章小结 | 第58-59页 |
| 第七章 总结和展望 | 第59-61页 |
| 7.1 本文的主要工作 | 第59-60页 |
| 7.2 进一步的研究工作及展望 | 第60-61页 |
| 参考文献 | 第61-69页 |
| 致谢 | 第69-70页 |
| 在学期间的研究成果及发表的学术论文 | 第70页 |
