| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-15页 |
| ·课题研究的背景及其意义 | 第8-9页 |
| ·图像去噪的研究现状 | 第9-13页 |
| ·论文主要内容和章节安排 | 第13-15页 |
| ·论文主要内容 | 第13页 |
| ·论文结构章节安排 | 第13-15页 |
| 第二章 图像去噪原理及质量评价 | 第15-31页 |
| ·图像噪声分类 | 第15-16页 |
| ·经典非局部图像去噪算法简介 | 第16-29页 |
| ·预备知识 | 第16-18页 |
| ·非局部均值算法（NLM） | 第18-19页 |
| ·块匹配三维协同滤波（BM3D） | 第19-20页 |
| ·基于稀疏表示的非局部图像去噪算法 | 第20-22页 |
| ·低秩矩阵恢复 | 第22-24页 |
| ·鲁棒主成分分析（RPCA） | 第24-29页 |
| ·图像质量评价标准 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第三章 基于迭代对数阈值的非局部图像去噪算法 | 第31-48页 |
| ·常见阈值函数简介 | 第31-32页 |
| ·迭代对数阈值算法 | 第32-38页 |
| ·基于迭代对数阈值算法求解稀疏模型 | 第32-36页 |
| ·基于迭代对数阈值算法求解核范数最小化模型 | 第36-38页 |
| ·基于迭代对数阈值算法RPCA去噪模型求解（LRPCA） | 第38-47页 |
| ·低秩部分的迭代更新 | 第38-39页 |
| ·稀疏部分的迭代更新 | 第39页 |
| ·拉格朗日算子的更新 | 第39页 |
| ·LRPCA去噪算法流程 | 第39-41页 |
| ·实验结果分析 | 第41-47页 |
| ·本章小结 | 第47-48页 |
| 第四章 基于加权RPCA的非局部去噪算法 | 第48-59页 |
| ·加权核范数最小化 | 第48-49页 |
| ·基于加权RPCA模型及优化算法 | 第49-51页 |
| ·加权RPCA模型 | 第49页 |
| ·基于ALM算法的加权RPCA模型优化算法 | 第49-50页 |
| ·权值向量的选择 | 第50-51页 |
| ·基于加权RPCA模型的非局部图像去噪 | 第51-52页 |
| ·图像的匹配和分组 | 第51页 |
| ·加权RPCA去噪算法实现 | 第51-52页 |
| ·实验结果分析 | 第52-58页 |
| ·本章小结 | 第58-59页 |
| 第五章 总结与展望 | 第59-61页 |
| ·总结 | 第59-60页 |
| ·展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-66页 |
| 攻读硕士学位期间的研究成果 | 第66-67页 |