| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-11页 |
| 1.1 图像去噪研究背景及意义 | 第7页 |
| 1.2 国内外研究现状 | 第7-8页 |
| 1.3 本文研究内容 | 第8-11页 |
| 第二章 图像去噪算法研究 | 第11-25页 |
| 2.1 图像噪声的概念及分类 | 第11-13页 |
| 2.1.1 按产生原因分类 | 第11页 |
| 2.1.2 按相关性分类 | 第11-12页 |
| 2.1.3 按概率分布分类 | 第12-13页 |
| 2.1.4 按噪声频谱分类 | 第13页 |
| 2.2 图像去噪算法研究 | 第13-23页 |
| 2.2.1 基于空间域图像去噪算法分析 | 第13-16页 |
| 2.2.2 基于 Fourier 变换方法的图像去噪分析 | 第16-18页 |
| 2.2.3 基于小波变换方法的图像去噪分析 | 第18-20页 |
| 2.2.4 基于偏微分方程(PDE)方法的图像去噪分析 | 第20-22页 |
| 2.2.5 基于先验概率密度的维纳滤波去噪方法的分析 | 第22-23页 |
| 2.3 图像去噪质量的评价方法 | 第23页 |
| 2.3.1 主观评价法 | 第23页 |
| 2.3.2 客观评价法 | 第23页 |
| 2.4 本章小结 | 第23-25页 |
| 第三章 基于 VMCF 的图像去噪算法 | 第25-39页 |
| 3.1 分组和协同滤波 | 第25-29页 |
| 3.1.1 分组 | 第25页 |
| 3.1.2 匹配分组 | 第25-27页 |
| 3.1.3 协同滤波 | 第27-28页 |
| 3.1.4 转换域收缩系数的协同滤波 | 第28-29页 |
| 3.2 基于 VMCF 的图像去噪算法 | 第29-37页 |
| 3.2.1 灰度图像 VMCF 去噪算法的实现 | 第29-35页 |
| 3.2.2 彩色图像 VMCF 算法的实现 | 第35-37页 |
| 3.3 本章小结 | 第37-39页 |
| 第四章 VMCF 算法的快速有效实现 | 第39-51页 |
| 4.1 VMCF 去噪算中的参数选择： | 第40-46页 |
| 4.1.1 最大相似列矢量个数对去噪性能的影响 | 第40-42页 |
| 4.1.2 第二步硬阈值选择对去噪性能的影响 | 第42页 |
| 4.1.3 第一步去噪阈值选择对去噪性能的影响 | 第42-43页 |
| 4.1.4 列矢量大小对去噪性能的影响 | 第43-45页 |
| 4.1.5 步长对去噪性能的影响 | 第45-46页 |
| 4.2 VMCF 去噪算法中的参数配置 | 第46-50页 |
| 4.3 本章小结 | 第50-51页 |
| 第五章 综合实验结果及分析 | 第51-61页 |
| 5.1 灰度图像去噪的结果及分析 | 第51-56页 |
| 5.2 彩色图像去噪结果及分析 | 第56-59页 |
| 5.3 本章小结 | 第59-61页 |
| 第六章 总结与展望 | 第61-63页 |
| 致谢 | 第63-65页 |
| 参考文献 | 第65-68页 |
