| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第11-15页 |
| 1.1 课题的背景及意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 研究条件 | 第12-13页 |
| 1.4 论文组织结构 | 第13-15页 |
| 第二章 图像降噪算法 | 第15-25页 |
| 2.1 低剂量透视图像的噪声分析 | 第15-18页 |
| 2.1.1 图像噪声的分类 | 第15页 |
| 2.1.2 本实验数据中的噪声分析 | 第15-18页 |
| 2.2 噪声处理的评价指标 | 第18-19页 |
| 2.3 基于统计、学习的降噪算法 | 第19-24页 |
| 2.3.1 主成分分析图像降噪 | 第20-22页 |
| 2.3.2 K-SVD图像降噪 | 第22-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 基于主成分分析的噪声抑制 | 第25-33页 |
| 3.1 算法基础 | 第25-27页 |
| 3.1.1 训练样本集的构造 | 第25-26页 |
| 3.1.2 对数变换 | 第26-27页 |
| 3.2 乘性噪声的抑制 | 第27-30页 |
| 3.2.1 训练集的扩展 | 第27页 |
| 3.2.2 对数变换后的乘性噪声的抑制 | 第27-30页 |
| 3.2.3 乘性噪声抑制的步骤 | 第30页 |
| 3.3 实验结果与分析 | 第30-32页 |
| 3.3.1 参数选择 | 第30-31页 |
| 3.3.2 实验结果 | 第31-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第四章 基于非局部均值的噪声抑制 | 第33-45页 |
| 4.1 非局部均值算法 | 第33-36页 |
| 4.1.1 NLM算法原理 | 第33-35页 |
| 4.1.2 算法的性能分析 | 第35-36页 |
| 4.2 基于相似图像的非局部均值算法(SINLM) | 第36-39页 |
| 4.2.1 SINLM算法介绍 | 第36-38页 |
| 4.2.2 SINLM算法的h值设置 | 第38-39页 |
| 4.3 实验结果与分析 | 第39-43页 |
| 4.4 本章小结 | 第43-45页 |
| 第五章 总结和展望 | 第45-47页 |
| 5.1 论文工作的总结 | 第45页 |
| 5.2 研究和展望 | 第45-47页 |
| 致谢 | 第47-48页 |
| 参考文献 | 第48-49页 |