数字图像处理中去噪算法的研究

中文摘要	第1-7页
ABSTRACT	第7-12页
第1章 绪论	第12-24页
·研究背景	第12页
·研究意义	第12-13页
·研究现状	第13-22页
·改进的中值去噪算法	第14-17页
·基于模糊技术的去噪算法	第17-20页
·基于信息熵的去噪算法	第20-22页
·论文的主要工作和章节安排	第22-24页
·论文的组织	第22-23页
·论文的主要成果和创新点	第23-24页
第2章 去噪算法基础	第24-46页
·去噪的基本理论	第24-28页
·噪声模型	第24-25页
·去噪算法的分类	第25-26页
·评价准则	第26-28页
·中值算法的基本理论	第28-29页
·模糊理论的基本概念	第29-39页
·模糊集合及运算	第30-32页
·隶属函数	第32-35页
·模糊推理	第35-38页
·模糊模型	第38-39页
·信息熵的基本理论	第39-41页
·自信息的定义	第39页
·信息熵的定义	第39-40页
·信息熵的基本性质	第40-41页
·Parzen窗估计基本理论	第41-45页
·Parzen窗估计的概念	第42-43页
·窗函数的约束条件	第43页
·窗函数的选择	第43-44页
·窗宽对密度估计的影响	第44-45页
·小结	第45-46页
第3章 开关中值去噪算法	第46-60页
·引言	第46页
·基于相关性双阈值的开关中值去噪算法	第46-50页
·算法设计	第47-48页
·边界处理及递归方法	第48-49页
·可调参数对算法性能的影响分析	第49-50页
·基于最小相邻图像均方差的参数自调整策略	第50-51页
·算法设计	第50-51页
·性能分析	第51页
·仿真实验	第51-59页
·算法性能实验	第52-55页
·算法对比实验	第55-59页
·小结	第59-60页
第4章 模糊加权均值去噪算法	第60-88页
·引言	第60-61页
·基于像素差的单值模糊推理模型	第61-64页
·基本参数的定义	第61-62页
·模糊规则库的建立	第62页
·模糊隶属函数及模糊算子的选择	第62-63页
·权值的推理计算	第63-64页
·针对混合噪声的模糊加权均值去噪算法	第64-73页
·算法设计	第64-65页
·权值的推理过程	第65-67页
·后件参数的确定	第67-68页
·仿真实验	第68-73页
·基于噪声检测的模糊加权均值去噪算法	第73-86页
·算法设计	第73-75页
·权值的推理过程	第75-76页
·裁减像素数量的限制	第76页
·仿真实验	第76-86页
·小结	第86-88页
第5章 基于熵下降准则的去噪算法	第88-114页
·引言	第88页
·图像特征空间的定义	第88-90页
·基于Parzen窗的密度估计	第90-94页
·基本参数定义	第90-92页
·轮廓函数的选择	第92-94页
·基于熵下降准则的去噪算法	第94-96页
·相关参数的设定	第96-99页
·邻域的选择	第96页
·尺度矩阵的设定	第96-98页
·终止准则的制定	第98-99页
·算法性能分析	第99-102页
·与其它算法的联系	第102-104页
·与自适应平滑算法的联系	第102-103页
·与bilateral滤波算法的联系	第103-104页
·仿真实验	第104-113页
·算法性能实验	第105-109页
·算法对比实验	第109-113页
·小结	第113-114页
第6章 总结和展望	第114-116页
·总结	第114页
·展望	第114-116页
缩略语对照表	第116-118页
参考文献	第118-126页
致谢	第126-128页
攻读博士期间发表的论文	第128-130页
攻读博士期间教材、科研项目及获奖情况	第130-132页
作者简介	第132页