图像椒盐噪声及高斯噪声去噪方法研究
| 摘要 | 第1-8页 |
| Abstract | 第8-10页 |
| 引言 | 第10-12页 |
| 第1章 绪论 | 第12-20页 |
| ·研究背景 | 第12页 |
| ·图像退化模型 | 第12-13页 |
| ·噪声模型 | 第13-15页 |
| ·高斯噪声 | 第13-14页 |
| ·脉冲噪声 | 第14-15页 |
| ·图像去噪 | 第15-17页 |
| ·空域滤波去噪 | 第15-16页 |
| ·频域滤波去噪 | 第16-17页 |
| ·去噪效果评价 | 第17-19页 |
| ·本文主要工作 | 第19-20页 |
| 第2章 改进的自适应中值滤波 | 第20-36页 |
| ·椒盐噪声去噪方法概述 | 第20-24页 |
| ·均值滤波器 | 第20-22页 |
| ·顺序统计滤波器 | 第22-23页 |
| ·自适应滤波器 | 第23-24页 |
| ·自适应中值滤波 | 第24-26页 |
| ·改进的自适应中值滤波 | 第26-29页 |
| ·自适应窗口的改进 | 第26-27页 |
| ·结合均值滤波 | 第27-28页 |
| ·算法流程 | 第28-29页 |
| ·仿真实验及结果分析 | 第29-35页 |
| ·小结 | 第35-36页 |
| 第3章 独立分量分析可调速率算法 | 第36-48页 |
| ·ICA的基本概念 | 第37-38页 |
| ·ICA的目标函数 | 第38-40页 |
| ·预备知识 | 第38-40页 |
| ·最大似然目标函数 | 第40页 |
| ·独立分量分析常用算法 | 第40-42页 |
| ·相对梯度算法 | 第40-41页 |
| ·固定点算法 | 第41-42页 |
| ·可调速率相对梯度学习算法 | 第42-45页 |
| ·算法介绍 | 第42-44页 |
| ·仿真实验和结果分析 | 第44-45页 |
| ·小结 | 第45页 |
| ·独立分量分析在图像处理中的应用 | 第45-47页 |
| ·医学图像处理 | 第46页 |
| ·图像特征提取 | 第46页 |
| ·图像去噪 | 第46页 |
| ·其他图像处理应用 | 第46-47页 |
| ·小结 | 第47-48页 |
| 第4章 稀疏码收缩去噪 | 第48-60页 |
| ·高斯噪声去噪方法概述 | 第48-51页 |
| ·维纳滤波去噪 | 第48-51页 |
| ·稀疏码收缩去噪简介 | 第51页 |
| ·图像稀疏分解 | 第51-52页 |
| ·基于多项式拟合的稀疏编码收缩 | 第52-55页 |
| ·仿真实验和结果分析 | 第55-59页 |
| ·获取初始输入数据 | 第55-56页 |
| ·获取基向量 | 第56页 |
| ·去噪 | 第56-59页 |
| ·小结 | 第59-60页 |
| 第5章 结论和展望 | 第60-62页 |
| ·图像去噪研究工作总结 | 第60-61页 |
| ·尚存问题及展望 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-67页 |
| 硕士期间发表论文 | 第67-68页 |
