| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 第一章 绪论 | 第6-10页 |
| 1.1 研究目的与意义 | 第6-7页 |
| 1.2 国内外研究动态 | 第7-8页 |
| 1.3 主要工作及章节安排 | 第8-10页 |
| 第二章 图像去噪的基础理论 | 第10-19页 |
| 2.1 常见的噪声类型 | 第10-13页 |
| 2.2 传统的图像去噪方法 | 第13-15页 |
| 2.2.1 基于变分的去噪方法 | 第13-15页 |
| 2.2.2 变换域去噪方法 | 第15页 |
| 2.3 图像质量评价方法 | 第15-18页 |
| 2.3.1 主观评价 | 第16页 |
| 2.3.2 客观评价 | 第16-18页 |
| 2.4 本章小结 | 第18-19页 |
| 第三章 图像的稀疏表示理论 | 第19-26页 |
| 3.1 图像的稀疏表示模型 | 第19-20页 |
| 3.2 稀疏分解算法 | 第20-22页 |
| 3.3 字典训练 | 第22-25页 |
| 3.4 本章小结 | 第25-26页 |
| 第四章 基于非局部TV模型的乘性噪声去噪 | 第26-36页 |
| 4.1 非局部TV算子 | 第27-28页 |
| 4.2 乘性噪声去除的非局部TV模型及其Split-Bregman算法 | 第28-30页 |
| 4.3 数值实验及结果分析 | 第30-35页 |
| 4.4 本章小结 | 第35-36页 |
| 第五章 基于自适应字典稀疏表示的乘性噪声去噪 | 第36-54页 |
| 5.1 乘性噪声去噪的常用方法 | 第36-38页 |
| 5.2 基于字典学习与稀疏表示的图像加性噪声去噪 | 第38-41页 |
| 5.2.1 基于字典学习与稀疏表示的图像加性噪声去噪模型 | 第38-39页 |
| 5.2.2 模型的数值求解 | 第39-40页 |
| 5.2.3 实验结果 | 第40-41页 |
| 5.3 基于自适应字典稀疏表示的乘性噪声去噪 | 第41-52页 |
| 5.3.1 基于自适应字典稀疏表示的乘性噪声去噪模型 | 第41-43页 |
| 5.3.2 模型求解的Split-Bregman算法 | 第43-45页 |
| 5.3.3 数值实验及结果分析 | 第45-52页 |
| 5.4 本章小结 | 第52-54页 |
| 第六章 基于字典学习与稀疏表示的超声图像去噪 | 第54-62页 |
| 6.1 超声图像去噪模型及其Split-Bregman算法 | 第54-57页 |
| 6.2 数值实验及结果分析 | 第57-61页 |
| 6.3 本章小结 | 第61-62页 |
| 第七章 总结与展望 | 第62-63页 |
| 7.1 工作总结 | 第62页 |
| 7.2 未来展望 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 攻读学位期间的研究成果 | 第66-67页 |
| 致谢 | 第67-68页 |
