基于熵的图像噪声方差估计与去噪
| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| Abstract | 第9页 |
| 第一章 绪论 | 第14-18页 |
| 1.1 课题研究背景及意义 | 第14页 |
| 1.2 课题的研究现状 | 第14-16页 |
| 1.2.1 图像噪声估计研究现状 | 第14-15页 |
| 1.2.2 图像去噪研究现状 | 第15-16页 |
| 1.3 课题研究内容 | 第16页 |
| 1.4 论文组织结构 | 第16-18页 |
| 第二章 图像噪声估计和去噪理论与算法 | 第18-28页 |
| 2.1 引言 | 第18页 |
| 2.2 图像噪声形成原因及分类 | 第18-21页 |
| 2.3 现有的经典算法 | 第21-25页 |
| 2.3.1 图像噪声估计算法 | 第21-22页 |
| 2.3.2 图像去噪算法 | 第22-25页 |
| 2.4 图像结构相似性和图像质量评价 | 第25-27页 |
| 2.4.1 图像结构相似性 | 第25页 |
| 2.4.2 图像质量评价算法 | 第25-27页 |
| 2.5 本章小节 | 第27-28页 |
| 第三章 图像噪声方差估计 | 第28-45页 |
| 3.1 引言 | 第28页 |
| 3.2 图像熵 | 第28-29页 |
| 3.2.1 图像熵的概念和应用 | 第28页 |
| 3.2.2 图像熵在课题中的应用 | 第28-29页 |
| 3.3 基于熵的图像噪声方差估计 | 第29-35页 |
| 3.3.1 噪声方差估计分析 | 第30-32页 |
| 3.3.2 算法设计-数据筛选 | 第32页 |
| 3.3.3 对比实验 | 第32-35页 |
| 3.4 算法存在问题及解决方法 | 第35-42页 |
| 3.4.1 算法改进分析 | 第36-38页 |
| 3.4.2 算法设计 | 第38-39页 |
| 3.4.3 对比实验 | 第39-42页 |
| 3.5 噪声方差估计加速策略 | 第42-43页 |
| 3.5.1 算法设计 | 第42-43页 |
| 3.5.2 对比试验 | 第43页 |
| 3.6 本章小结 | 第43-45页 |
| 第四章 基于噪声估计的图像去噪算法研究 | 第45-57页 |
| 4.1 引言 | 第45页 |
| 4.2 加权核范数最小化(WNNM)去噪算法 | 第45-48页 |
| 4.2.1 算法思想和实现 | 第45-48页 |
| 4.2.2 WNNM去噪算法存在的问题 | 第48页 |
| 4.3 快速图像块匹配 | 第48-51页 |
| 4.3.1 两步搜索法 | 第48-49页 |
| 4.3.2 实验结果 | 第49-51页 |
| 4.4 改进的WNNM算法 | 第51-55页 |
| 4.4.1 全局最优初始参数 | 第51-52页 |
| 4.4.2 邻域最优参数的选取 | 第52-53页 |
| 4.4.3 实验结果 | 第53-55页 |
| 4.5 本章小结 | 第55-57页 |
| 第五章 总结和展望 | 第57-59页 |
| 5.1 全文总结 | 第57页 |
| 5.2 未来展望 | 第57-59页 |
| 参考文献 | 第59-64页 |
| 攻读硕士学位期间主要科研工作及成果 | 第64-65页 |
