柔索机器人环境视觉关键技术研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-18页 |
| 1.1 本课题研究的背景、目的和意义 | 第9-12页 |
| 1.2 柔索机器人环境图像去噪发展和研究现状 | 第12-16页 |
| 1.3 本文主要研究内容 | 第16-18页 |
| 2 图像去噪算法研究 | 第18-38页 |
| 2.1 图像噪声与分类 | 第18-24页 |
| 2.1.1 高斯噪声及模型 | 第19-20页 |
| 2.1.2 脉冲噪声及模型 | 第20-22页 |
| 2.1.3 混合噪声及模型 | 第22-24页 |
| 2.2 图像质量评价标准 | 第24-27页 |
| 2.2.1 图像评价客观评价标准 | 第25-27页 |
| 2.2.2 图像评价主观评价标准 | 第27页 |
| 2.3 图像去噪算法分类 | 第27-37页 |
| 2.3.1 空间域去噪算法 | 第28-33页 |
| 2.3.2 变换域去噪算法 | 第33-37页 |
| 2.4 本章小结 | 第37-38页 |
| 3 非局部平均改进和稀疏表示算法 | 第38-52页 |
| 3.1 稀疏表示的图像去噪算法 | 第38-45页 |
| 3.1.1 稀疏表示分析 | 第38-40页 |
| 3.1.2 稀疏分解算法 | 第40-42页 |
| 3.1.3 基于噪声图像的字典训练算法及去噪算法 | 第42-45页 |
| 3.2 局部平均滤波去噪算法介绍 | 第45-47页 |
| 3.3 非局部平均滤波去噪算法及优化 | 第47-51页 |
| 3.3.1 非局部平均去噪算法分析 | 第47-48页 |
| 3.3.2 改进非局部平均去噪算法 | 第48-51页 |
| 3.4 本章小结 | 第51-52页 |
| 4 非局部相似性和稀疏表示融合混合噪声去除算法 | 第52-74页 |
| 4.1 算法概述 | 第53-54页 |
| 4.2 改进脉冲噪声检测 | 第54-57页 |
| 4.3 混合噪声下非局部相似性求解 | 第57-62页 |
| 4.3.1 初始去噪图像的获取 | 第58-60页 |
| 4.3.2 非局部相似先验的获取 | 第60-62页 |
| 4.4 混合噪声图像的稀疏表示 | 第62-69页 |
| 4.4.1 混合噪声图像的稀疏编码 | 第63-65页 |
| 4.4.2 混合噪声下的字典学习 | 第65-69页 |
| 4.5 融合非局部相似性和稀疏表示的图像去噪算法 | 第69-73页 |
| 4.5.1 变分模型总述 | 第69-71页 |
| 4.5.2 混合噪声去噪算法变分模型的构建 | 第71-72页 |
| 4.5.3 变分模型的求解 | 第72-73页 |
| 4.6 本章小结 | 第73-74页 |
| 5 仿真实验测试及分析 | 第74-84页 |
| 5.1 去噪模型参数设置 | 第74页 |
| 5.2 实验结果及分析 | 第74-83页 |
| 5.2.1 去噪效果示例 | 第75-82页 |
| 5.2.2 实验分析 | 第82-83页 |
| 5.3 本章小结 | 第83-84页 |
| 总结与展望 | 第84-86页 |
| 致谢 | 第86-87页 |
| 参考文献 | 第87-93页 |
| 攻读学位期间发表的学术论文及研究成果 | 第93页 |
