首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于边缘检测的非局部均值图像去噪算法

致谢第7-8页
摘要第8-9页
ABSTRACT第9页
第一章 绪论第14-20页
    1.1 研究背景与意义第14页
    1.2 国内外研究现状第14-16页
    1.3 数字图像第16-17页
    1.4 去噪算法的分类第17-18页
    1.5 本文的主要工作第18-19页
    1.6 本文的结构安排第19-20页
第二章 图像去噪理论基础第20-36页
    2.1 噪声第20-23页
        2.1.1 噪声的分类第20-21页
        2.1.2 噪声的统计模型第21-23页
    2.2 图像质量评价准则第23-25页
        2.2.1 主观评价准则第24页
        2.2.2 客观评价准则第24-25页
    2.3 均值滤波算法第25-27页
    2.4 中值滤波算法第27-29页
    2.5 高斯滤波算法第29-31页
    2.6 维纳滤波算法第31-33页
    2.7 双边滤波算法第33-35页
    2.8 本章小结第35-36页
第三章 改进的SOBEL边缘检测算法第36-43页
    3.1 边缘检测第36-38页
    3.2 SOBEL算子第38-39页
    3.3 改进的八方向的SOBEL算子第39-42页
        3.3.1 梯度计算第39-40页
        3.3.2 阈值选取第40-41页
        3.3.3 算法步骤第41-42页
    3.4 本章总结第42-43页
第四章 基于边缘检测的改进的非局部均值去噪算法第43-58页
    4.1 概述第43页
    4.2 邻域平均滤波的权系数第43-44页
    4.3 非局部均值去噪算法第44-47页
        4.3.1 观测模型第44页
        4.3.2 算法原理第44-47页
    4.4 基于边缘检测的非局部均值去噪算法第47-48页
    4.5 改进的NLM算法实现第48-51页
    4.6 仿真结果与分析第51-57页
        4.6.1 主观评价第51-52页
        4.6.2 客观评价第52-57页
    4.7 本章小结第57-58页
第五章 椒盐噪声自适应开关非局部均值滤波算法第58-75页
    5.1 概述第58-59页
    5.2 椒盐噪声去噪的研究现状第59-60页
    5.3 椒盐噪声自适应开关非局部均值滤波算法第60-64页
        5.3.1 噪声检测第60-61页
        5.3.2 NASNLM算法原理第61-63页
        5.3.3 NASNLM算法实现第63-64页
    5.4 仿真结果与分析第64-74页
        5.4.1 主观评价第64-66页
        5.4.2 客观评价第66-68页
        5.4.3 时间消耗第68-74页
    5.5 本章小结第74-75页
第六章 总结与展望第75-77页
    6.1 全文总结第75-76页
    6.2 展望第76-77页
参考文献第77-81页
攻读硕士学位期间的学术活动及成果情况第81-82页

论文共82页,点击 下载论文
上一篇:基于加权光流特征和时空关联模型的人体行为识别
下一篇:全光场多视角图像超分辨率重建