| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 缩略词 | 第12-13页 |
| 第一章 绪论 | 第13-17页 |
| 1.1 研究背景和意义 | 第13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 图像去噪方法 | 第13-14页 |
| 1.2.2 非局部均值滤波 | 第14-15页 |
| 1.2.3 局部二值模式 | 第15-16页 |
| 1.3 研究内容和章节安排 | 第16-17页 |
| 第二章 非局部均值滤波算法的理论基础 | 第17-29页 |
| 2.1 引言 | 第17页 |
| 2.2 图像的噪声 | 第17-19页 |
| 2.2.1 图像噪声的分类 | 第17-18页 |
| 2.2.2 图像噪声的模型 | 第18-19页 |
| 2.3 去噪效果评价标准 | 第19-22页 |
| 2.3.1 客观标准 | 第19-20页 |
| 2.3.2 主观标准 | 第20-22页 |
| 2.4 经典的图像去噪算法 | 第22-28页 |
| 2.4.1 均值滤波器 | 第22页 |
| 2.4.2 中值滤波器 | 第22页 |
| 2.4.3 维纳滤波器 | 第22-23页 |
| 2.4.4 小波滤波器 | 第23-24页 |
| 2.4.5 双边滤波器 | 第24-25页 |
| 2.4.6 非局部均值滤波器 | 第25-27页 |
| 2.4.7 块匹配三维滤波 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 基于特征的NLM图像去噪方法 | 第29-46页 |
| 3.1 引言 | 第29页 |
| 3.2 基于边缘特征的非局部均值滤波 | 第29-34页 |
| 3.2.1 自适应搜索窗 | 第29-30页 |
| 3.2.2 算法流程 | 第30-31页 |
| 3.2.3 实验分析 | 第31-34页 |
| 3.3 局部二值模式 | 第34-37页 |
| 3.3.1 二值特征描述 | 第35页 |
| 3.3.2 基本局部二值模式 | 第35-36页 |
| 3.3.3 局部二值模式的特点 | 第36-37页 |
| 3.4 基于结构特征的非局部均值滤波 | 第37-45页 |
| 3.4.1 特征提取 | 第37-39页 |
| 3.4.2 相似块匹配 | 第39-40页 |
| 3.4.3 算法流程 | 第40-41页 |
| 3.4.4 实验分析 | 第41-45页 |
| 3.5 本章小结 | 第45-46页 |
| 第四章 基于NLM-FLBD的医疗图像去噪算法 | 第46-56页 |
| 4.1 引言 | 第46页 |
| 4.2 光学相干层析成像技术 | 第46-49页 |
| 4.2.1 OCT基本工作原理 | 第46-47页 |
| 4.2.2 OCT成像的特点 | 第47-49页 |
| 4.3 OCT图像退化模型 | 第49-51页 |
| 4.3.1 OCT噪声类型 | 第49-50页 |
| 4.3.2 处理方法 | 第50页 |
| 4.3.3 评估方法 | 第50-51页 |
| 4.4 基于NLM-FLBD的OCT图像去噪算法 | 第51-55页 |
| 4.4.1 算法流程 | 第51页 |
| 4.4.2 实验分析 | 第51-55页 |
| 4.5 本章小结 | 第55-56页 |
| 第五章 GPU并行加速去噪方法 | 第56-68页 |
| 5.1 引言 | 第56页 |
| 5.2 GPU开发环境 | 第56-61页 |
| 5.2.1 CUDA架构 | 第56-58页 |
| 5.2.2 CUDA编程模型 | 第58-61页 |
| 5.3 基于CUDA的去噪算法研究 | 第61-64页 |
| 5.3.1 算法并行性分析 | 第61-62页 |
| 5.3.2 NLM-FLBD算法在CUDA上的实现 | 第62-64页 |
| 5.4 算法在GPU和CPU上的性能比较 | 第64-67页 |
| 5.4.1 测试环境配置 | 第64-65页 |
| 5.4.2 CUDA程序的性能评估 | 第65-67页 |
| 5.5 本章小结 | 第67-68页 |
| 第六章 总结与展望 | 第68-70页 |
| 6.1 本文工作总结 | 第68页 |
| 6.2 后期工作展望 | 第68-70页 |
| 参考文献 | 第70-75页 |
| 致谢 | 第75-76页 |
| 在学期间的研究成果及发表的学术论文 | 第76页 |