| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-10页 |
| 1.1 课题背景和意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-9页 |
| 1.3 论文组织结构 | 第9-10页 |
| 第二章 常用的图像去噪算法 | 第10-26页 |
| 2.1 图像的质量 | 第10-12页 |
| 2.1.1 图像噪声 | 第10-11页 |
| 2.1.2 安检图像噪声来源 | 第11页 |
| 2.1.3 图像质量的评价方式 | 第11-12页 |
| 2.2 几种传统图像去噪算法的研究 | 第12-17页 |
| 2.2.1 线性滤波 | 第12-13页 |
| 2.2.2 非线性滤波 | 第13-14页 |
| 2.2.3 小波去噪 | 第14-17页 |
| 2.3 基于偏微分方程的图像去噪算法 | 第17-20页 |
| 2.3.1 偏微分方程与图像滤波 | 第17-18页 |
| 2.3.2 Perona-Malik各向异性扩散算法 | 第18-20页 |
| 2.4 P-M扩散方程的数值求解算法 | 第20-23页 |
| 2.4.1 乘法算子分裂算法 | 第20-22页 |
| 2.4.2 加法算子分裂算法 | 第22-23页 |
| 2.5 实验结果分析总结 | 第23-26页 |
| 第三章 基于梯度的自适应P-M扩散方程图像去噪算法 | 第26-37页 |
| 3.1 原始P-M扩散方程的病态性质 | 第26页 |
| 3.2 P-M扩散方程的正则化处理 | 第26-28页 |
| 3.3 基于梯度的自适应P-M扩散去噪算法 | 第28-33页 |
| 3.3.1 微分算子边缘检测 | 第28-29页 |
| 3.3.2 自适应图像边缘检测函数 | 第29-31页 |
| 3.3.3 自适应P-M扩散去噪算法 | 第31-33页 |
| 3.4 实验结果分析总结 | 第33-37页 |
| 第四章 基于结构张量的自适应P-M扩散方程图像去噪算法 | 第37-48页 |
| 4.1 引言 | 第37页 |
| 4.2 线性结构张量 | 第37-39页 |
| 4.3 非线性结构张量 | 第39-40页 |
| 4.4 利用结构张量的自适应P-M扩散算法 | 第40-41页 |
| 4.5 实验结果分析总结 | 第41-48页 |
| 第五章 总结与展望 | 第48-49页 |
| 5.1 论文工作总结 | 第48页 |
| 5.2 进一步研究方向 | 第48-49页 |
| 致谢 | 第49-50页 |
| 参考文献 | 第50-51页 |
