基于云模型的图像去噪研究及应用
摘要 | 第9-11页 |
Abstract | 第11-12页 |
第一章 绪论 | 第13-25页 |
1.1 研究背景与意义 | 第13-14页 |
1.2 图像去噪的国内外研究现状 | 第14-19页 |
1.2.1 传统的滤波器 | 第15-17页 |
1.2.2 开关式滤波器 | 第17-19页 |
1.3 云模型的国内外研究现状 | 第19-22页 |
1.3.1 云模型的发展历程 | 第19-21页 |
1.3.2 云模型在图像处理中的应用 | 第21-22页 |
1.4 本文的研究内容和创新 | 第22-23页 |
1.4.1 研究内容 | 第22-23页 |
1.4.2 创新 | 第23页 |
1.5 论文组织结构 | 第23-25页 |
第二章 理论基础与模型 | 第25-45页 |
2.1 脉冲噪声 | 第25页 |
2.2 传统的滤波器 | 第25-32页 |
2.2.1 中值滤波器 | 第26-30页 |
2.2.2 中值滤波的改进 | 第30-32页 |
2.3 开关式滤波器 | 第32-36页 |
2.3.1 工作原理 | 第32-33页 |
2.3.2 FM滤波器 | 第33-34页 |
2.3.3 AM-EPR滤波器 | 第34-35页 |
2.3.4 BDND滤波器 | 第35页 |
2.3.5 MMEM滤波器 | 第35-36页 |
2.4 滤波器的性能评价 | 第36-39页 |
2.4.1 噪声检测精度 | 第36页 |
2.4.2 图像质量评价 | 第36-39页 |
2.5 云模型 | 第39-44页 |
2.5.1 云和云滴 | 第40页 |
2.5.2 云的数字特征 | 第40-41页 |
2.5.3 云发生器 | 第41-43页 |
2.5.4 云滴的贡献度 | 第43-44页 |
2.5.5 期望曲线 | 第44页 |
2.6 本章小结 | 第44-45页 |
第三章 自适应的MMEM滤波器 | 第45-70页 |
3.1 MMEM滤波器概述与分析 | 第45-48页 |
3.1.1 算法概述 | 第45-46页 |
3.1.2 原理分析 | 第46-48页 |
3.2 噪声检测算法的改进 | 第48-51页 |
3.2.1 检测窗口 | 第48-49页 |
3.2.2 投影系数 | 第49页 |
3.2.3 检测阈值 | 第49-50页 |
3.2.4 AVG的取值 | 第50页 |
3.2.5 自适应的MMEM滤波器 | 第50-51页 |
3.3 图像复原的优化 | 第51-52页 |
3.4 实验结果与分析 | 第52-68页 |
3.4.1 实验环境与配置 | 第52-53页 |
3.4.2 噪声检测性能 | 第53-61页 |
3.4.3 图像复原性能 | 第61-64页 |
3.4.4 计算效率 | 第64-65页 |
3.4.5 参数的选择 | 第65-68页 |
3.5 本章小结 | 第68-70页 |
第四章 一维云模型滤波器 | 第70-97页 |
4.1 基于一维云模型的噪声检测 | 第70-74页 |
4.2 基于一维云模型的模糊加权均值滤波 | 第74-76页 |
4.3 实验论证与结果分析 | 第76-95页 |
4.3.1 实验环境与配置 | 第76-78页 |
4.3.2 噪声检测性能 | 第78-81页 |
4.3.3 图像复原性能 | 第81-92页 |
4.3.4 计算效率 | 第92-93页 |
4.3.5 阈值δ的选择 | 第93-95页 |
4.4 本章小结 | 第95-97页 |
第五章 二维云模型滤波器 | 第97-112页 |
5.1 引言 | 第97页 |
5.2 二维云模型的各向异性 | 第97-100页 |
5.3 基于各向异性的二维云模型滤波 | 第100-102页 |
5.4 实验论证与结果分析 | 第102-111页 |
5.4.1 实验环境与配置 | 第103页 |
5.4.2 噪声检测性能 | 第103-104页 |
5.4.3 图像复原性能 | 第104-110页 |
5.4.5 计算效率 | 第110-111页 |
5.5 本章小结 | 第111-112页 |
第六章 总结与展望 | 第112-114页 |
6.1 本文总结 | 第112-113页 |
6.2 展望 | 第113-114页 |
参考文献 | 第114-121页 |
附录1 博士论文期间已发表和即将发表的论文 | 第121-122页 |
致谢 | 第122页 |