基于非局部自相似性的去噪算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 附表、插图和算法清单 | 第10-12页 |
| 第1章 绪论 | 第12-22页 |
| 1.1 论文研究背景和意义 | 第12-13页 |
| 1.2 图像去噪基础知识 | 第13-17页 |
| 1.2.1 图像去噪模型 | 第13-14页 |
| 1.2.2 图像噪声类型 | 第14-16页 |
| 1.2.3 奇异值分解 | 第16页 |
| 1.2.4 范数 | 第16-17页 |
| 1.3 国内外研究现状分析 | 第17-19页 |
| 1.4 论文研究内容和关键点 | 第19-20页 |
| 1.5 论文组织结构 | 第20-22页 |
| 第2章 各类去噪算法概述 | 第22-40页 |
| 2.1 去噪算法概述 | 第22-28页 |
| 2.1.1 传统去噪算法 | 第22页 |
| 2.1.2 小波滤波 | 第22-24页 |
| 2.1.3 偏微分方程去噪 | 第24-25页 |
| 2.1.4 非局部自相似性去噪算法 | 第25-28页 |
| 2.2 低秩矩阵恢复原理及应用 | 第28-30页 |
| 2.2.1 低秩矩阵恢复原理 | 第28-29页 |
| 2.2.2 低秩矩阵恢复应用 | 第29-30页 |
| 2.3 低秩矩阵恢复优化方法 | 第30-37页 |
| 2.3.1 核范数最小化方法 | 第30-37页 |
| 2.4 去噪效果评估标准 | 第37-39页 |
| 2.5 本章小结 | 第39-40页 |
| 第3章 改进的WNNM算法 | 第40-54页 |
| 3.1 WNNM去噪算法介绍 | 第40-44页 |
| 3.2 WNNM去噪算法存在的问题 | 第44-46页 |
| 3.3 改进的WNNM算法 | 第46-49页 |
| 3.4 实验结果与分析 | 第49-53页 |
| 3.4.1 实验参数设置 | 第49-50页 |
| 3.4.2 实验结果 | 第50-52页 |
| 3.4.3 讨论 | 第52-53页 |
| 3.5 本章小结 | 第53-54页 |
| 第4章 基于多尺度下图像块的WNNM算法 | 第54-70页 |
| 4.1 引言 | 第54页 |
| 4.2 多尺度图像相关知识介绍 | 第54-60页 |
| 4.2.1 多尺度下的图像块性质及其应用 | 第54-56页 |
| 4.2.2 图像缩放插值方法 | 第56-60页 |
| 4.3 基于多尺度图像块的WNNM算法 | 第60-64页 |
| 4.4 实验结果和分析 | 第64-69页 |
| 4.4.1 实验参数设置及实验结果 | 第64-68页 |
| 4.4.2 讨论 | 第68-69页 |
| 4.5 本章小结 | 第69-70页 |
| 第5章 总结与展望 | 第70-72页 |
| 5.1 论文总结 | 第70-71页 |
| 5.2 展望 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 附录一 作者在学期间所取得的科研成果 | 第76-77页 |
| 致谢 | 第77页 |
