低信噪比图像的去噪算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 图像去噪研究现状 | 第11-13页 |
| 1.3 本文的主要工作和章节安排 | 第13-15页 |
| 第2章 图像去噪方法基础 | 第15-31页 |
| 2.1 图像噪声分类 | 第15-16页 |
| 2.2 图像去噪方法 | 第16-28页 |
| 2.2.1 空间域去噪方法 | 第16-19页 |
| 2.2.2 变换域去噪方法 | 第19-22页 |
| 2.2.3 非局部均值滤波 | 第22-24页 |
| 2.2.4 BM3D算法 | 第24页 |
| 2.2.5 K-SVD算法 | 第24-25页 |
| 2.2.6 基于神经网络的去噪方法 | 第25-28页 |
| 2.3 图像质量评价方法 | 第28-29页 |
| 2.4 本章小结 | 第29-31页 |
| 第3章 基于真实场景图像下的卷积神经网络去噪算法 | 第31-39页 |
| 3.1 引言 | 第31页 |
| 3.2 基于真实场景图像下的CNN去噪算法 | 第31-34页 |
| 3.2.1 算法流程 | 第32页 |
| 3.2.2 卷积神经网络去噪模型 | 第32-33页 |
| 3.2.3 去噪模型训练 | 第33-34页 |
| 3.2.4 去噪实现 | 第34页 |
| 3.3 实验与分析 | 第34-38页 |
| 3.3.1 图像数据集 | 第34-35页 |
| 3.3.2 训练误差变化 | 第35-36页 |
| 3.3.3 实验结果与分析 | 第36-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第4章 基于非局部加权最小二乘估计的图像去噪算法 | 第39-49页 |
| 4.1 加权最小二乘去噪模型 | 第39-40页 |
| 4.2 本章算法流程 | 第40-41页 |
| 4.3 参数定义及求解 | 第41-44页 |
| 4.3.1 权值矩阵 | 第41-42页 |
| 4.3.2 中间变量 | 第42-43页 |
| 4.3.3 相关系数 | 第43-44页 |
| 4.4 实验分析 | 第44-47页 |
| 4.5 两章算法的对比分析 | 第47-48页 |
| 4.6 本章小结 | 第48-49页 |
| 第5章 总结与展望 | 第49-51页 |
| 5.1 本文工作总结 | 第49页 |
| 5.2 展望 | 第49-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 附录 | 第56页 |
