论文创新点 | 第6-9页 |
摘要 | 第9-11页 |
ABSTRACT | 第11-12页 |
1 绪论 | 第13-19页 |
1.1 课题背景 | 第13-14页 |
1.2 图像去噪研究面临的问题 | 第14-15页 |
1.3 本文研究内容 | 第15-16页 |
1.4 研究意义 | 第16-18页 |
1.5 本文组织结构 | 第18-19页 |
2 图像去噪研究概述 | 第19-31页 |
2.1 图像去噪概述 | 第19-25页 |
2.1.1 图像去噪的定义 | 第19页 |
2.1.2 噪声的特征 | 第19-20页 |
2.1.3 噪声的分类和表示 | 第20-22页 |
2.1.4 图像质量的评价方法 | 第22-25页 |
2.2 图像去噪方法简述 | 第25-30页 |
2.2.1 去噪方法介绍 | 第25-26页 |
2.2.2 局部光滑滤波 | 第26页 |
2.2.3 变换域滤波 | 第26-28页 |
2.2.4 统计邻域方法 | 第28-29页 |
2.2.5 Non-local算法 | 第29页 |
2.2.6 基于稀疏模型的方法 | 第29-30页 |
2.2.7 方法比较 | 第30页 |
2.3 小结 | 第30-31页 |
3 小波变换及图像去噪 | 第31-47页 |
3.1 小波发展简介 | 第31-32页 |
3.2 小波变换 | 第32-36页 |
3.2.1 傅里叶变换与短时傅里叶变换 | 第32-33页 |
3.2.2 连续小波变换 | 第33-35页 |
3.2.3 离散小波变换 | 第35-36页 |
3.3 小波图像去噪的原理 | 第36-39页 |
3.4 影响小波域图像去噪效果的关键因素 | 第39-43页 |
3.5 小波域图像去噪研究的关键问题 | 第43-46页 |
3.5.1 小波基的构造与自适应选择 | 第43-45页 |
3.5.2 小波系数建模及小波系数处理方法 | 第45-46页 |
3.6 小结 | 第46-47页 |
4 不可分小波及其自适应小波滤波器选择 | 第47-69页 |
4.1 多分辨率分析及不可分小波构造 | 第47-53页 |
4.2 小波分解与重构的Mallat算法 | 第53-57页 |
4.3 不可分小波滤波器组的自适应选择 | 第57-68页 |
4.3.1 参数的意义 | 第57-63页 |
4.3.2 自适应滤波参数的确定 | 第63-68页 |
4.4 小结 | 第68-69页 |
5 基于不可分小波的SURE-LET去噪方法 | 第69-93页 |
5.1 引言 | 第69-71页 |
5.2 小波闽值去噪方法介绍 | 第71-76页 |
5.3 不可分小波阈值去噪 | 第76-80页 |
5.3.1 模型的建立及图像去噪算法 | 第76-78页 |
5.3.2 结果分析 | 第78-80页 |
5.4 SURE-LET去噪方法 | 第80-83页 |
5.4.1 SURE | 第80-81页 |
5.4.2 SURE-LET | 第81-83页 |
5.5 基于聚类的不可分小波SURE-LET去噪方法 | 第83-87页 |
5.5.1 基于聚类的不可分小波SURE-LET去噪 | 第83-85页 |
5.5.2 散度的快速计算 | 第85-87页 |
5.6 实验分析 | 第87-92页 |
5.6.1 仿真实验结果分析 | 第87-92页 |
5.6.2 计算复杂度分析 | 第92页 |
5.7 小结 | 第92-93页 |
6 基于不可分小波的多尺度稀疏去噪模型 | 第93-109页 |
6.1 引言 | 第93-95页 |
6.2 相关研究 | 第95-97页 |
6.3 基于自适应小波选择的多尺度稀疏模型 | 第97-105页 |
6.3.1 小波的选择 | 第97-98页 |
6.3.2 小波域上稀疏表示模型的建立 | 第98-100页 |
6.3.3 快速字典学习 | 第100-104页 |
6.3.4 快速求解方法 | 第104-105页 |
6.4 实验与分析 | 第105-108页 |
6.5 小结 | 第108-109页 |
7 总结与展望 | 第109-111页 |
7.1 论文总结 | 第109-110页 |
7.2 研究展望 | 第110-111页 |
参考文献 | 第111-119页 |
攻博期间发表的论文和参加的科研项目 | 第119-121页 |
1 攻博期间发表论文 | 第119-120页 |
2 攻博期间参加的项目 | 第120-121页 |
致谢 | 第121页 |