| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 图像去噪背景及意义 | 第8页 |
| 1.2 图像去噪研究现状 | 第8-11页 |
| 1.3 论文主要研究内容及组织结构 | 第11-13页 |
| 1.3.1 论文主要研究内容 | 第11-12页 |
| 1.3.2 论文组织结构 | 第12-13页 |
| 1.4 本章小结 | 第13-14页 |
| 第2章 权重重分配非局部均值去噪算法 | 第14-32页 |
| 2.1 图像质量评价标准 | 第14-17页 |
| 2.1.1 客观评价标准 | 第14-15页 |
| 2.1.2 主观评价标准 | 第15-17页 |
| 2.2 噪声分类及模型 | 第17-19页 |
| 2.3 几种经典去噪算法原理 | 第19-22页 |
| 2.4 非局部均值滤波算法原理及模型 | 第22-24页 |
| 2.5 权重重分配非局部均值去噪算法 | 第24-26页 |
| 2.6 参数更新及试验结果 | 第26-29页 |
| 2.6.1 参数更新 | 第26-27页 |
| 2.6.2 实验结果 | 第27-29页 |
| 2.7 本章小结 | 第29-32页 |
| 第3章 基于边缘检测多特征融合的非局部均值去噪算法 | 第32-43页 |
| 3.1 相似性度量方法 | 第32-34页 |
| 3.1.1 基于图像灰度的相似性 | 第32-33页 |
| 3.1.2 基于梯度特征的相似性 | 第33-34页 |
| 3.1.3 基于空间位置的相似性 | 第34页 |
| 3.2 基于边缘检测多特征融合的非局部均值滤波 | 第34-39页 |
| 3.2.1 边缘检测原理 | 第34-37页 |
| 3.2.2 多特征融合相似性度量方法 | 第37-38页 |
| 3.2.3 基于边缘检测多特征融合的非局部均值去噪算法实现步骤 | 第38-39页 |
| 3.3 试验结果及分析 | 第39-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第4章 基于梯度特征的双核非局部均值去噪算法 | 第43-53页 |
| 4.1 相似像素搜索及权值分配对去噪效果的影响 | 第43-44页 |
| 4.1.1 相似像素搜索对去噪效果的影响 | 第43页 |
| 4.1.2 权值分配对去噪效果的影响 | 第43-44页 |
| 4.2 基于梯度特征的双核非局部均值算法 | 第44-47页 |
| 4.2.1 梯度特征原理 | 第44-45页 |
| 4.2.2 权值分配双核基本原理 | 第45-46页 |
| 4.2.3 基于梯度特征的双核非局部均值去噪算法的实现步骤 | 第46-47页 |
| 4.3 参数设置及试验结果分析 | 第47-50页 |
| 4.3.1 参数设置 | 第47-48页 |
| 4.3.2 实验结果及分析 | 第48-50页 |
| 4.4 本章小结 | 第50-53页 |
| 第5章 总结与展望 | 第53-55页 |
| 5.1 总结 | 第53页 |
| 5.2 展望 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 攻读硕士期间发表论文及参加科研情况 | 第59-60页 |
| 致谢 | 第60-61页 |
