| 摘要 | 第2-3页 |
| abstract | 第3页 |
| 第一章 绪论 | 第6-12页 |
| 1.1 课题背景及其意义 | 第6-7页 |
| 1.2 国内外研究现状 | 第7-11页 |
| 1.3 论文的主要工作与章节安排 | 第11-12页 |
| 第二章 图像去噪的基础知识及其算法基础 | 第12-22页 |
| 2.1 常见的噪声类型 | 第12-15页 |
| 2.1.1 高斯噪声(GaussianNoise) | 第12-13页 |
| 2.1.2 伽马噪声(GammaNoise) | 第13-14页 |
| 2.1.3 泊松噪声(PoissonNoise) | 第14页 |
| 2.1.4 瑞利噪声(RayleighNoise) | 第14-15页 |
| 2.2 导数算子的有限差分格式 | 第15-17页 |
| 2.2.1 一阶导数的离散形式 | 第15-16页 |
| 2.2.2 二阶导数的离散形式 | 第16-17页 |
| 2.3 快速傅里叶变换(FFT) | 第17-19页 |
| 2.4 图像质量评价 | 第19-21页 |
| 2.4.1 主观评价 | 第19-20页 |
| 2.4.2 客观评价 | 第20-21页 |
| 2.5 本章小结 | 第21-22页 |
| 第三章 去除乘性噪声的TGV模型及其分裂Bregman算法 | 第22-36页 |
| 3.1 广义总变分TGV模型 | 第22-23页 |
| 3.2 TGV模型的分裂Bregman算法 | 第23-28页 |
| 3.2.1 分裂Bregman算法 | 第23-25页 |
| 3.2.2 TGV模型的分裂Bregman及其快速算法 | 第25-28页 |
| 3.3 数值实验及结果分析 | 第28-35页 |
| 3.3.1 定性分析 | 第29-33页 |
| 3.3.2 定量分析 | 第33-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第四章 去除乘性噪声的TC模型及其增广拉格朗日算法 | 第36-52页 |
| 4.1 全曲率(TC)模型 | 第36页 |
| 4.2 TC模型的增广拉格朗日算法 | 第36-43页 |
| 4.2.1 增广拉格朗日算法 | 第36-39页 |
| 4.2.2 TC模型的增广拉格朗日方法及其快速算法 | 第39-43页 |
| 4.3 数值实验及结果分析 | 第43-51页 |
| 4.3.1 定性分析 | 第44-49页 |
| 4.3.2 定量分析 | 第49-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第五章 总结与展望 | 第52-53页 |
| 5.1 工作总结 | 第52页 |
| 5.2 工作展望 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 攻读学位期间的研究成果 | 第57-58页 |
| 致谢 | 第58-59页 |
