| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 1 绪论 | 第11-17页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 研究现状与发展 | 第12-16页 |
| 1.3 本文主要工作 | 第16-17页 |
| 2 理论基础 | 第17-30页 |
| 2.1 噪声图像生成模型 | 第17-19页 |
| 2.1.1 加性及乘性噪声生成模型 | 第17-19页 |
| 2.1.2 泊松噪声及其生成模型 | 第19页 |
| 2.2 泊松图像重建算法 | 第19-27页 |
| 2.2.1 基于Poisson最大似然估计的几何正则化方法 | 第19-23页 |
| 2.2.2 基于泊松图像的非局部算法 | 第23-26页 |
| 2.2.3 针对泊松噪声图像Plug-and-Play模型 | 第26-27页 |
| 2.3 图像重建结果质量评价准则 | 第27-28页 |
| 2.3.1 主观评价 | 第28页 |
| 2.3.2 客观评价 | 第28页 |
| 2.4 本章小结 | 第28-30页 |
| 3 基于Skellam分布的自适应两阶段非局部去噪方法 | 第30-40页 |
| 3.1 Skellam分布简介 | 第31-33页 |
| 3.1.1 Skellam基本性质 | 第31-32页 |
| 3.1.2 Skellam-Intensity曲线及其应用 | 第32-33页 |
| 3.2 改进的两阶段低光子泊松噪声图像重建方法 | 第33-36页 |
| 3.2.1 改进的自适应Skellam-Intensity拟合 | 第33-34页 |
| 3.2.2 基于Skellam分布的强度调整 | 第34-35页 |
| 3.2.3 重建阶段 | 第35-36页 |
| 3.3 数值实验比较和分析 | 第36-38页 |
| 3.4 本章小结 | 第38-40页 |
| 4 基于条件随机场低光子泊松噪声图像重建方法 | 第40-55页 |
| 4.1 基于Poisson-Skellam分布的正则化条件随机场模型 | 第40-44页 |
| 4.1.1 模型分析 | 第40-42页 |
| 4.1.2 基于Plug-and-Play的算法描述 | 第42-44页 |
| 4.2 数值实验比较和分析 | 第44-50页 |
| 4.3 本章小结 | 第50-55页 |
| 5 总结与展望 | 第55-57页 |
| 5.1 总结 | 第55-56页 |
| 5.2 展望 | 第56-57页 |
| 致谢 | 第57-58页 |
| 攻读硕士学位期间的学术成果 | 第58-59页 |
| 参考文献 | 第59-62页 |
