| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 绪论 | 第11-27页 |
| 1.1 研究背景和意义 | 第11-13页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12-13页 |
| 1.2 图像去噪技术发展现状 | 第13-19页 |
| 1.2.1 滤波的方法 | 第14-15页 |
| 1.2.2 稀疏表示的方法 | 第15-16页 |
| 1.2.3 矩阵低秩的方法 | 第16-18页 |
| 1.2.4 深度学习的方法 | 第18-19页 |
| 1.3 低照度图像去噪技术发展现状 | 第19-21页 |
| 1.3.1 单帧低照度图像去噪技术 | 第19-20页 |
| 1.3.2 多帧低照度图像去噪技术 | 第20-21页 |
| 1.4 运动估计技术研究现状 | 第21-24页 |
| 1.4.1 传统的运动估计方法 | 第21-23页 |
| 1.4.2 噪声下的运动估计算法 | 第23-24页 |
| 1.5 本文主要工作及内容安排 | 第24-27页 |
| 1.5.1 内容安排 | 第25-26页 |
| 1.5.2 主要创新点 | 第26-27页 |
| 2 基于连拍图像的多帧融合去噪 | 第27-63页 |
| 2.1 相机运动估计与配准 | 第27-33页 |
| 2.1.1 基于特征点的图像配准 | 第28-29页 |
| 2.1.2 基于网格划分的相机运动估计 | 第29-33页 |
| 2.2 改进的SIFTFLOW运动估计方法 | 第33-39页 |
| 2.2.1 SIFTflow算法基本原理 | 第33-36页 |
| 2.2.2 图像结构纹理分解 | 第36-37页 |
| 2.2.3 联合结构图的SIFTflow运动估计方法 | 第37-39页 |
| 2.3 细节保持的时域融合去噪算法 | 第39-44页 |
| 2.3.1 基于变换域的融合 | 第40-41页 |
| 2.3.2 改进的自适应控制系数 | 第41-42页 |
| 2.3.3 自适应加权融合 | 第42-44页 |
| 2.4 实验结果与分析 | 第44-62页 |
| 2.4.1 改进的SIFTflow算法配准实验 | 第45-47页 |
| 2.4.2 不同噪声下的配准实验 | 第47-51页 |
| 2.4.3 合成连拍图像数据融合去噪实验 | 第51-55页 |
| 2.4.4 真实连拍图像数据融合去噪实验 | 第55-62页 |
| 2.5 本章小结 | 第62-63页 |
| 3 基于跨通道模型的单帧图像去噪 | 第63-102页 |
| 3.1 图像噪声的跨通道相关特性 | 第63-67页 |
| 3.2 低秩近似理论与图像去噪 | 第67-72页 |
| 3.2.1 自然图像的非局部自相似性 | 第67-69页 |
| 3.2.2 基于低秩模型的图像去噪 | 第69-72页 |
| 3.3 跨通道带权核范数最小化模型 | 第72-76页 |
| 3.4 去噪算法实现 | 第76-79页 |
| 3.4.1 矩阵的正定性问题 | 第76-78页 |
| 3.4.2 模型求解 | 第78-79页 |
| 3.5 实验结果与分析 | 第79-100页 |
| 3.5.1 合成噪声图像数据去噪实验 | 第79-89页 |
| 3.5.2 真实噪声图像数据去噪实验 | 第89-93页 |
| 3.5.3 联合时空去噪实验 | 第93-100页 |
| 3.6 本章小结 | 第100-102页 |
| 4 总结与展望 | 第102-105页 |
| 4.1 总结 | 第102-103页 |
| 4.2 展望 | 第103-105页 |
| 参考文献 | 第105-111页 |
| 作者攻读硕士学位期间的研究成果 | 第111页 |