低照度图像去噪算法研究与实现
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第10-21页 |
| 1.1 低照度图像背景 | 第10-14页 |
| 1.1.1 低照度图像去噪意义 | 第10-12页 |
| 1.1.2 低噪度图像噪声分析 | 第12-14页 |
| 1.2 低照度图像去噪研究现状 | 第14-19页 |
| 1.3 论文研究内容与结构安排 | 第19-21页 |
| 第2章 图像去噪算法及质量评价指标 | 第21-31页 |
| 2.1 空域与频域去噪算法 | 第21-26页 |
| 2.1.1 常用空域滤波器 | 第21-24页 |
| 2.1.2 常用频域滤波器 | 第24-26页 |
| 2.2 其他新型去噪算法 | 第26-28页 |
| 2.2.1 形态学滤波算法 | 第26-27页 |
| 2.2.2 低秩近似滤波算法 | 第27-28页 |
| 2.3 质量评价指标 | 第28-30页 |
| 2.3.1 全参考评价 | 第28-29页 |
| 2.3.2 无参考评价 | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第3章 基于人眼视觉低照度图像增强算法 | 第31-44页 |
| 3.1 自适应图像增强算法模型建立 | 第31-33页 |
| 3.2 变量求取过程 | 第33-38页 |
| 3.2.1 自适应阈值 | 第33-36页 |
| 3.2.2 图层系数 | 第36-37页 |
| 3.2.3 算法总结 | 第37-38页 |
| 3.3 实验结果与分析 | 第38-43页 |
| 3.3.1 低照度图像增强实验对比 | 第38-41页 |
| 3.3.2 低照度图像增强实验分析 | 第41-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第4章 基于加权核范数的混合去噪算法 | 第44-58页 |
| 4.1 混合去噪算法模型建立 | 第44-46页 |
| 4.2 变量求取过程 | 第46-52页 |
| 4.2.1 残差获取 | 第46-48页 |
| 4.2.2 权重估计 | 第48-50页 |
| 4.2.3 算法总结 | 第50-52页 |
| 4.3 实验结果与分析 | 第52-57页 |
| 4.3.1 模拟的低照度噪声实验结果与分析 | 第52-55页 |
| 4.3.2 自然拍摄的低噪度实验结果于分析 | 第55-57页 |
| 4.4 本章小结 | 第57-58页 |
| 第5章 低照度去噪软件设计 | 第58-66页 |
| 5.1 软件平台设计 | 第58-60页 |
| 5.1.1 软件的功能 | 第58-59页 |
| 5.1.2 代码嵌入 | 第59-60页 |
| 5.2 软件效果展示 | 第60-65页 |
| 5.3 本章小结 | 第65-66页 |
| 总结与展望 | 第66-69页 |
| 总结 | 第66-67页 |
| 展望 | 第67-69页 |
| 参考文献 | 第69-74页 |
| 致谢 | 第74-75页 |
| 研究成果及发表的学术论文 | 第75页 |
