图像去噪及其效果评估若干问题研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 图像去噪的研究现状及存在问题 | 第12-14页 |
| 1.2.1 图像去噪的研究现状 | 第12-13页 |
| 1.2.2 存在问题 | 第13-14页 |
| 1.3 噪声分类 | 第14-15页 |
| 1.3.1 按噪声统计特征 | 第14-15页 |
| 1.3.2 按噪声与信号的关系 | 第15页 |
| 1.4 图像去噪质量评估标准 | 第15-17页 |
| 1.5 本文工作的创新点 | 第17-18页 |
| 1.6 本文内容安排 | 第18-19页 |
| 第2章 基于形态成分分析的去噪算法 | 第19-33页 |
| 2.1 领域背景 | 第19页 |
| 2.2 MCA理论基础 | 第19-20页 |
| 2.3 图像去噪算法 | 第20-23页 |
| 2.3.1 形态成分分析算法 | 第20-21页 |
| 2.3.2 图像去噪的方案 | 第21-22页 |
| 2.3.3 改进双边滤波算法 | 第22-23页 |
| 2.4 实验结果与分析 | 第23-31页 |
| 2.4.1 实验参数设置 | 第23-25页 |
| 2.4.2 与其他算法的比较 | 第25-31页 |
| 2.5 本章小结 | 第31-33页 |
| 第3章 基于经验模态分解图像去噪算法 | 第33-45页 |
| 3.1 领域背景 | 第33-34页 |
| 3.2 相关工作 | 第34-35页 |
| 3.3 图像去噪算法 | 第35-40页 |
| 3.3.1 图像去噪框架 | 第35-37页 |
| 3.3.2 2D经验模态分解 | 第37-38页 |
| 3.3.3 去噪规则 | 第38-40页 |
| 3.4 实验结果及评价 | 第40-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第4章 基于方向的BEMD图像去噪算法 | 第45-57页 |
| 4.1 课题背景 | 第45页 |
| 4.2 相关工作 | 第45-46页 |
| 4.3 BEMD去噪算法 | 第46-50页 |
| 4.3.1 算法框架 | 第46页 |
| 4.3.2 图像分解 | 第46-47页 |
| 4.3.3 方向滤波器 | 第47-48页 |
| 4.3.4 平滑系数 | 第48-50页 |
| 4.4 实验结果及分析 | 第50-54页 |
| 4.4.1 客观评价指标 | 第50页 |
| 4.4.2 与其它算法的比较 | 第50-54页 |
| 4.5 本章小结 | 第54-57页 |
| 第5章 图像去噪质量评价 | 第57-71页 |
| 5.1 研究现状 | 第57-61页 |
| 5.1.1 主观评价方法 | 第57-58页 |
| 5.1.2 客观评价方法 | 第58-61页 |
| 5.2 去除噪声效果的客观评价指标 | 第61-65页 |
| 5.2.1 客观评价指标构造框架 | 第61-62页 |
| 5.2.2 噪声去除效果评估 | 第62-65页 |
| 5.2.3 结构相似度评估 | 第65页 |
| 5.3 实验结果 | 第65-68页 |
| 5.3.1 实验数据 | 第65-66页 |
| 5.3.2 实验结果与分析 | 第66-68页 |
| 5.4 本章小结 | 第68-71页 |
| 第6章 图像分割算法 | 第71-85页 |
| 6.1 前言 | 第71页 |
| 6.2 嘴唇分割算法 | 第71-78页 |
| 6.2.1 相关工作 | 第71-72页 |
| 6.2.2 分割算法描述 | 第72-75页 |
| 6.2.3 实验结果 | 第75-78页 |
| 6.3 绿色荧光图像分割 | 第78-83页 |
| 6.3.1 相关工作 | 第78-79页 |
| 6.3.2 分水岭算法 | 第79-80页 |
| 6.3.3 HSV彩色视觉模型 | 第80-81页 |
| 6.3.4 图像色调和亮度的计算 | 第81-82页 |
| 6.3.5 实验结果 | 第82-83页 |
| 6.4 本章小结 | 第83-85页 |
| 第7章 总结与展望 | 第85-87页 |
| 参考文献 | 第87-99页 |
| 作者简介及攻读博士期间发表的学术论文 | 第99-101页 |
| 致谢 | 第101页 |
