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

基于非下采样Contourlet变换和统计建模的图像去噪算法研究

摘要第3-4页
abstract第4-5页
第1章 绪论第8-14页
    1.1 选题背景与研究意义第8-9页
    1.2 相关技术的国内外研究现状第9-12页
    1.3 论文主要研究内容及组织结构第12-14页
        1.3.1 论文主要研究内容第12页
        1.3.2 章节安排第12-14页
第2章 图像去噪相关知识与基础理论概述第14-28页
    2.1 图像噪声分类第14-15页
    2.2 图像去噪质量评价标准第15-17页
        2.2.1 主观视觉评价第15-16页
        2.2.2 客观评价标准第16-17页
    2.3 空间域去噪第17-18页
        2.3.1 均值滤波第17-18页
        2.3.2 中值滤波第18页
    2.4 变换域去噪第18-27页
        2.4.1 傅里叶变换第18-19页
        2.4.2 小波变换第19-22页
        2.4.3 多尺度几何分析第22-23页
        2.4.4 Contourlet变换第23-27页
    2.5 本章小结第27-28页
第3章 新阈值函数结合自适应阈值的NSCT图像去噪第28-46页
    3.1 非下采样Contourlet变换第28-32页
        3.1.1 NSP第29-30页
        3.1.2 NSDFB第30-32页
    3.2 阈值去噪第32-35页
        3.2.1 阈值选取第32-33页
        3.2.2 阈值函数第33-35页
    3.3 算法综述第35-38页
        3.3.1 新函数的特点第35-37页
        3.3.2 自适应阈值第37-38页
    3.4 算法实现过程第38-39页
    3.5 仿真结果与分析第39-45页
    3.6 本章小结第45-46页
第4章 多元高斯模型结合wiener滤波的NSCT图像去噪第46-59页
    4.1 wiener滤波第46-47页
    4.2 NSCT系数相关统计模型第47-49页
        4.2.1 层内模型第47-48页
        4.2.2 层间模型第48页
        4.2.3 多元高斯模型第48-49页
    4.3 算法综述第49-51页
    4.4 算法实现过程第51-52页
    4.5 仿真结果与分析第52-57页
    4.6 本章小结第57-59页
第5章 总结与展望第59-61页
    5.1 总结第59-60页
    5.2 展望第60-61页
参考文献第61-65页
攻读硕士期间发表论文及参加科研情况第65-66页
致谢第66-67页

论文共67页,点击 下载论文
上一篇:自闭症儿童康复教育的虚拟现实系统
下一篇:低照度图像去噪算法研究与实现