图像泊松去噪算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 图像去噪算法研究现状 | 第10-13页 |
| 1.3 图像质量的评价 | 第13-14页 |
| 1.4 本文研究内容及结构安排 | 第14-15页 |
| 第2章 预备知识及相关数学基础 | 第15-25页 |
| 2.1 数字图像的表示方法 | 第15页 |
| 2.2 泊松噪声图像 | 第15-16页 |
| 2.3 图像处理的先验模型以及最大后验概率模型 | 第16-20页 |
| 2.3.1 基于最大后验概率估计方法 | 第16-17页 |
| 2.3.2 图像处理的先验模型 | 第17-20页 |
| 2.4 相似性标准 | 第20-24页 |
| 2.4.1 随机距标准 | 第20-22页 |
| 2.4.2 基于假设检验理论的相似性标准 | 第22-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第3章 基于非局部贝叶斯的泊松图像去噪算法 | 第25-43页 |
| 3.1 非局部贝叶斯泊松噪声图像去噪模型 | 第25-26页 |
| 3.2 分裂Bregman迭代算法求解模型 | 第26-28页 |
| 3.3 算法具体细节 | 第28-33页 |
| 3.3.1 图像块分组 | 第28-29页 |
| 3.3.2 图像块滤波 | 第29-30页 |
| 3.3.3 图像块融合 | 第30-32页 |
| 3.3.4 Binning策略 | 第32页 |
| 3.3.5 Add-on增强策略 | 第32-33页 |
| 3.4 实验结果与性能分析 | 第33-42页 |
| 3.4.1 参数对算法的影响 | 第33-34页 |
| 3.4.2 算法总体性能测试与分析 | 第34-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第4章 基于“高斯黑盒”的泊松图像去噪算法 | 第43-52页 |
| 4.1 方差稳定变换法 | 第43-44页 |
| 4.2 高斯噪声图像的一般去噪模型 | 第44-45页 |
| 4.3 基于“高斯黑盒”的泊松去噪算法 | 第45-47页 |
| 4.4 数值实验与结果分析 | 第47-51页 |
| 4.5 本章小结 | 第51-52页 |
| 第5章 总结与展望 | 第52-54页 |
| 5.1 本文的工作总结 | 第52页 |
| 5.2 展望 | 第52-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-60页 |
| 附录 | 第60页 |
