| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第12-13页 |
| 缩略语对照表 | 第13-16页 |
| 第一章 绪论 | 第16-38页 |
| 1.1 图像去噪的研究背景与意义 | 第16页 |
| 1.2 图像去噪的研究现状及存在问题 | 第16-21页 |
| 1.2.1 国内外研究现状分析 | 第16-20页 |
| 1.2.2 存在的问题 | 第20-21页 |
| 1.3 论文的主要研究思路和研究方法 | 第21-22页 |
| 1.4 图像去噪的非局部方法与MCMC方法 | 第22-33页 |
| 1.4.1 图像去噪的非局部方法 | 第22-29页 |
| 1.4.2 马尔科夫蒙特卡罗(MCMC)方法 | 第29-33页 |
| 1.5 图像质量评价标准 | 第33-35页 |
| 1.6 本文内容编排 | 第35-38页 |
| 第二章 基于马尔科夫蒙特卡罗采样的非局部低秩逼近的图像去噪算法 | 第38-48页 |
| 2.1 引言 | 第38页 |
| 2.2 马尔科夫蒙特卡罗理论的相似块选择 | 第38-41页 |
| 2.3 去噪方法与算法分析 | 第41-42页 |
| 2.3.1 去噪方法 | 第41-42页 |
| 2.3.2 算法分析 | 第42页 |
| 2.4 实验结果 | 第42-46页 |
| 2.5 本章小结 | 第46-48页 |
| 第三章 基于非局部双边随机投影低秩逼近图像去噪算法 | 第48-62页 |
| 3.1 引言 | 第48页 |
| 3.2 相似图像块组低秩逼近方法 | 第48-52页 |
| 3.2.1 奇异值分解的低秩逼近方法 | 第48-49页 |
| 3.2.2 高斯随机投影的低秩逼近方法 | 第49页 |
| 3.2.3 下采样随机傅里叶变换投影低秩逼近方法 | 第49-50页 |
| 3.2.4 高斯随机投影与下采样随机傅里叶变换投影重构误差分析 | 第50-51页 |
| 3.2.5 基于双边随机投影的低秩逼近方法 | 第51-52页 |
| 3.3 图像去噪算法与算法分析 | 第52-54页 |
| 3.3.1 基于双边随机投影低秩逼近的图像去噪算法 | 第52-53页 |
| 3.3.2 算法分析 | 第53-54页 |
| 3.4 实验结果 | 第54-61页 |
| 3.4.1 自然图像去噪 | 第54-57页 |
| 3.4.2 视频前景背景分离 | 第57-60页 |
| 3.4.3 人脸遮挡阴影去除 | 第60-61页 |
| 3.5 本章小结 | 第61-62页 |
| 第四章 基于自适应可变窗的随机图像去噪算法 | 第62-82页 |
| 4.1 引言 | 第62-64页 |
| 4.2 基于MCMC采样的自适应窗相似块搜索方法 | 第64-67页 |
| 4.2.1 自适应窗的相似块搜索算法 | 第64-65页 |
| 4.2.2 自适应窗的相似块搜索算法分析 | 第65-67页 |
| 4.3 双向非局部模型 | 第67-68页 |
| 4.4 基于MCMC采样的自适应可变尺寸窗的双向非局部去噪算法 | 第68-70页 |
| 4.4.1 基于MCMC采样的自适应去噪算法 | 第68-69页 |
| 4.4.2 算法分析 | 第69-70页 |
| 4.5 实验结果 | 第70-81页 |
| 4.6 本章小结 | 第81-82页 |
| 第五章 分而治之可变方向的非局部图像去噪方法 | 第82-94页 |
| 5.1 引言 | 第82页 |
| 5.2 基于可变方向的MCMC采样相似块搜索方法 | 第82-86页 |
| 5.3 去噪方法与算法分析 | 第86-87页 |
| 5.3.1 算法 | 第86-87页 |
| 5.3.2 算法分析 | 第87页 |
| 5.4 实验 | 第87-93页 |
| 5.4.1 分解尺度对算法的鲁棒性分析 | 第88页 |
| 5.4.2 小波对算法的鲁棒性分析 | 第88-89页 |
| 5.4.3 算法性能实验分析 | 第89-93页 |
| 5.6 本章小结 | 第93-94页 |
| 第六章 结论和展望 | 第94-98页 |
| 6.1 研究结论 | 第94-95页 |
| 6.2 研究展望 | 第95-98页 |
| 参考文献 | 第98-104页 |
| 致谢 | 第104-106页 |
| 作者简介 | 第106页 |
