多形状估计的非局部均值图像去噪研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 1 绪论 | 第10-16页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 研究现状 | 第11-14页 |
| 1.3 论文研究内容 | 第14-16页 |
| 1.3.1 主要研研内容 | 第14页 |
| 1.3.2 论文结构安排 | 第14-16页 |
| 2 图像去噪的相关理论 | 第16-36页 |
| 2.1 图像评价准则 | 第16-18页 |
| 2.2 图像去噪经典算法 | 第18-24页 |
| 2.2.1 时域去噪算法 | 第18-22页 |
| 2.2.2 频率域去噪算法 | 第22-24页 |
| 2.3 NLM去噪算法理论 | 第24-27页 |
| 2.3.1 NLM去噪的基本原理 | 第24-26页 |
| 2.3.2 NLM算法模型 | 第26-27页 |
| 2.4 NLM算法的发展及缺陷 | 第27-28页 |
| 2.4.1 NLM算法的发展过程 | 第27-28页 |
| 2.4.2 NLM算法的缺陷 | 第28页 |
| 2.5 NLM算法的改进研研 | 第28-35页 |
| 2.5.1 NLM算法时间复杂度解析与改进 | 第29-31页 |
| 2.5.2 NLM相似度权重的解析与改进 | 第31-33页 |
| 2.5.3 NLM局部伪影的改进 | 第33-35页 |
| 2.6 本章小结 | 第35-36页 |
| 3 多形状估计的非局部均值图像去噪算法 | 第36-47页 |
| 3.1 多尺度平稳小波分解 | 第36-38页 |
| 3.2 任意邻域形状的结构相似性计算 | 第38-41页 |
| 3.3 估计集归一化处理 | 第41-44页 |
| 3.3.1 经典归一化研法 | 第42页 |
| 3.3.2 基于Stein无偏估计的归一化研法 | 第42-44页 |
| 3.4 基于各向异性扩散的风险集正则化 | 第44-45页 |
| 3.5 算法流程 | 第45-46页 |
| 3.6 本章小结 | 第46-47页 |
| 4 实验及结果分析 | 第47-58页 |
| 4.1 实验环境 | 第47页 |
| 4.2 实验数据源 | 第47-48页 |
| 4.3 实验结果及性能分析 | 第48-57页 |
| 4.3.1 边缘高对比度图像 | 第48-51页 |
| 4.3.2 平滑区域较多图像 | 第51-53页 |
| 4.3.3 细节纹理较多图像 | 第53-57页 |
| 4.4 本章小结 | 第57-58页 |
| 结论 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 作者简历 | 第62-64页 |
| 学位论文数据集 | 第64-65页 |
