| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-11页 |
| ·研究背景 | 第8-9页 |
| ·研究意义 | 第9-10页 |
| ·本论文的主要贡献和内容安排 | 第10-11页 |
| 2 非局部平均去噪算法理论基础 | 第11-19页 |
| ·图像的噪声 | 第11-13页 |
| ·图像噪声的分类 | 第11-12页 |
| ·图像噪声模型 | 第12-13页 |
| ·图像去噪的质量评价方法 | 第13-14页 |
| ·客观评价方法 | 第13-14页 |
| ·主观评价方法 | 第14页 |
| ·方法噪声 | 第14-15页 |
| ·非局部平均图像去噪算法 | 第15-18页 |
| ·本章小结 | 第18-19页 |
| 3 控制核非局部平均图像去噪算法 | 第19-34页 |
| ·核回归算法(Kernel Regression) | 第19-25页 |
| ·经典核回归 | 第19-22页 |
| ·控制核(Steering Kernel) | 第22-25页 |
| ·基于控制核的非局部平均去噪算法(Steering-Kernel NLM) | 第25-28页 |
| ·实验结果与分析 | 第28-33页 |
| ·本章小结 | 第33-34页 |
| 4 近似K近邻非局部平均图像去噪算法及GPU实现 | 第34-53页 |
| ·近似K近邻匹配算法(Approximate K-Nearest Neighbors Matching) | 第34-36页 |
| ·近似K近邻的非局部平均算法(AKNN-NLM) | 第36-37页 |
| ·GPU的组成 | 第37-38页 |
| ·CUDA并行程序架构 | 第38-43页 |
| ·主机与设备 | 第38-39页 |
| ·Kernel函数定义 | 第39-40页 |
| ·GPU线程组织形式 | 第40页 |
| ·CUDA存储器模型 | 第40-43页 |
| ·AKNN-NLM算法的GPU加速实现 | 第43-47页 |
| ·实验结果与分析 | 第47-52页 |
| ·本章小结 | 第52-53页 |
| 结论 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 攻读硕士学位期间发表学术论文情况 | 第58-59页 |
| 致谢 | 第59-60页 |
