基于SVD分解和双域滤波的低秩去噪方法研究
| 中文摘要 | 第8-10页 |
| ABSTRACT | 第10-12页 |
| 第一章 绪论 | 第13-17页 |
| 1.1 研究背景与意义 | 第13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 论文的主要内容与组织形式 | 第15-17页 |
| 第二章 预备知识 | 第17-26页 |
| 2.1 数字图像的噪声 | 第17-19页 |
| 2.1.1 噪声来源 | 第17页 |
| 2.1.2 噪声的分类 | 第17-19页 |
| 2.2 本文涉及到的去噪算法和理论 | 第19-24页 |
| 2.2.1 奇异值分解(SVD)阈值去噪算法 | 第19-23页 |
| 2.2.2 渐近矩阵重构与随机矩阵理论 | 第23-24页 |
| 2.3 评价指标 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 基于自适应收缩的低秩逼近去噪算法 | 第26-41页 |
| 3.1 SAIST算法 | 第26-28页 |
| 3.2 基于自适应收缩的低秩逼近去噪算法 | 第28-35页 |
| 3.2.1 基于随机矩阵的自适应阈值 | 第29-33页 |
| 3.2.2 基于矩阵差异的相似性度量 | 第33-35页 |
| 3.3 实验结果与分析 | 第35-38页 |
| 3.4 本章小结 | 第38-41页 |
| 第四章 基于双域滤波算法的去噪增强算法 | 第41-53页 |
| 4.1 双域滤波算法(DDF) | 第41-43页 |
| 4.1.1 空间域噪声估计 | 第41-42页 |
| 4.1.2 频率域噪声再估计 | 第42页 |
| 4.1.3 引导式双域滤波 | 第42-43页 |
| 4.2 基于双域滤波的伪影去除 | 第43-44页 |
| 4.3 去噪算法增强步骤 | 第44页 |
| 4.4 实验结果与分析 | 第44-52页 |
| 4.5 本章小结 | 第52-53页 |
| 第五章 总结与展望 | 第53-54页 |
| 参考文献 | 第54-62页 |
| 攻读学位期间完成的学位论文 | 第62-63页 |
| 攻读学位期间参与承担的科研项目 | 第63-64页 |
| 致谢 | 第64-65页 |
| 附件 | 第65页 |
