| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 本文主要工作及创新点 | 第11页 |
| 1.4 本文主要内容及结构安排 | 第11-14页 |
| 2 图像去噪的理论基础 | 第14-34页 |
| 2.1 图像噪声类型 | 第14-17页 |
| 2.2 经典的空域去噪方法 | 第17-30页 |
| 2.2.1 均值滤波 | 第18-21页 |
| 2.2.2 中值滤波 | 第21-24页 |
| 2.2.3 高斯滤波 | 第24-26页 |
| 2.2.4 双边滤波 | 第26-30页 |
| 2.3 去噪效果评价标准 | 第30-32页 |
| 2.3.1 主观评价标准 | 第30-31页 |
| 2.3.2 客观评价标准 | 第31-32页 |
| 2.4 本章小结 | 第32-34页 |
| 3 非局部均值去噪算法研究 | 第34-48页 |
| 3.1 算法概述 | 第34-36页 |
| 3.2 算法的几点说明 | 第36-42页 |
| 3.2.1 搜索窗与相似窗的窗口尺寸 | 第36-39页 |
| 3.2.2 相似性度量 | 第39页 |
| 3.2.3 权重系数计算函数 | 第39-40页 |
| 3.2.4 滤波参数h | 第40-42页 |
| 3.3 算法的优点与不足 | 第42-43页 |
| 3.3.1 算法的优点 | 第42页 |
| 3.3.2 算法存在的不足 | 第42-43页 |
| 3.4 几种去噪方法性能比较 | 第43-46页 |
| 3.5 本章小结 | 第46-48页 |
| 4 融合K-L变换与灰色关联度的非局部均值去噪方法 | 第48-74页 |
| 4.1 改进算法概述 | 第48-49页 |
| 4.2 基于K-L变换的特征因子 | 第49-52页 |
| 4.2.1 K-L变换（Karhunen-Loeve Transform）概述 | 第49-50页 |
| 4.2.2 基于K-L变换的特征因子 | 第50-52页 |
| 4.3 基于灰色关联度的纹理因子 | 第52-55页 |
| 4.3.1 传统灰色关联度模型 | 第52-53页 |
| 4.3.2 新型灰色关联度构造纹理因子 | 第53-55页 |
| 4.4 参数设置及选取 | 第55-57页 |
| 4.4.1 搜索窗与相似窗的窗口尺寸设置 | 第55页 |
| 4.4.2 滤波参数h的选取 | 第55-57页 |
| 4.5 融合K-L变换的分块法噪声估计 | 第57-67页 |
| 4.5.1 传统的滤波法噪声估计 | 第57-59页 |
| 4.5.2 分块法噪声估计 | 第59-63页 |
| 4.5.3 融合K-L变换的分块法噪声估计 | 第63-65页 |
| 4.5.4 噪声估计效果对比 | 第65-67页 |
| 4.6 实验结果与分析 | 第67-73页 |
| 4.7 本章小结 | 第73-74页 |
| 5 总结与展望 | 第74-76页 |
| 5.1 论文工作总结 | 第74页 |
| 5.2 展望 | 第74-76页 |
| 致谢 | 第76-78页 |
| 参考文献 | 第78-81页 |