| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 图像去噪的历史和现状 | 第9-13页 |
| 1.3 本文的主要研究工作与章节安排 | 第13-15页 |
| 第二章 基本知识介绍 | 第15-28页 |
| 2.1 噪声类型 | 第15-17页 |
| 2.2 图像质量的评价标准 | 第17-20页 |
| 2.3 经典的图像去噪方法 | 第20-28页 |
| 2.3.1 几种常见的滤波器 | 第20-24页 |
| 2.3.2 BM3D去噪算法 | 第24-25页 |
| 2.3.3 小波域去噪算法 | 第25-27页 |
| 2.3.4 基于K-SVD字典的稀疏表示去噪算法 | 第27-28页 |
| 第三章 基于稀疏编码的Shearlet域图像去噪研究 | 第28-39页 |
| 3.1 引言 | 第28-29页 |
| 3.2 Shearlet变换理论 | 第29-31页 |
| 3.3 稀疏编码重建 | 第31-33页 |
| 3.4 基于稀疏编码的Shearlet域图像去噪 | 第33-34页 |
| 3.5 实验结果与分析 | 第34-38页 |
| 3.6 本章小结 | 第38-39页 |
| 第四章 基于深度卷积神经网络图像去噪研究 | 第39-54页 |
| 4.1 引言 | 第39-40页 |
| 4.2 先验知识 | 第40-43页 |
| 4.2.1 卷积神经网络 | 第40-41页 |
| 4.2.2 激活函数 | 第41-42页 |
| 4.2.3 残差学习和BN算法 | 第42-43页 |
| 4.3 深度卷积神经网络去噪模型 | 第43-47页 |
| 4.4 实验结果与分析 | 第47-53页 |
| 4.4.1 实验平台和参数设置 | 第47-48页 |
| 4.4.2 实验对比分析 | 第48-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第五章 总结与展望 | 第54-56页 |
| 5.1 总结 | 第54页 |
| 5.2 展望 | 第54-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-62页 |
| 作者简介及科研成果 | 第62页 |