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

基于先验均值的贝叶斯非局部均值图像去噪

摘要第1-4页
Abstract第4-7页
第一章 绪论第7-13页
   ·图像去斑研究背景和意义第7-9页
   ·图像去斑技术研究发展现状第9-12页
     ·多视处理第9-10页
     ·空域滤波技术第10页
     ·频域滤波技术第10-11页
     ·图像去噪方法研究总结第11-12页
   ·论文的主要工作和安排第12-13页
第二章 图像去噪的相关理论基础第13-21页
   ·SAR 成像原理及斑点噪声特性第13-15页
     ·合成孔径雷达(SAR)的原理第13页
     ·SAR 斑点噪声产生机理第13-14页
     ·相干斑噪声模型和统计特性第14-15页
   ·SAR 图像经典滤波方法第15-20页
     ·空域滤波方法第16-18页
     ·频域滤波第18-20页
   ·本章小结第20-21页
第三章 基于块匹配的改进 Sigma 滤波第21-41页
   ·块旋转匹配第21-23页
   ·自然图像先验均值算法第23-26页
     ·图像局部方差第23-24页
     ·相似性度量第24-25页
     ·算法步骤第25-26页
   ·SAR 图像先验均值算法第26-30页
     ·方差系数:第27-28页
     ·相似性度量第28页
     ·算法步骤第28-30页
   ·基于块匹配的改进 Sigma 滤波第30-31页
   ·实验结果第31-40页
     ·自然图像实验结果第31-34页
     ·SAR 图像实验结果第34-37页
     ·改进 Sigma 实验结果和分析第37-40页
   ·本章小结第40-41页
第四章 基于改进先验的贝叶斯非局部均值图像去噪第41-55页
   ·非局部均值滤波器第41-43页
   ·贝叶斯理论第43-44页
   ·基于改进先验的贝叶斯非局部均值图像去噪第44-47页
     ·基于改进先验的贝叶斯非局部均值自然图像去噪第44-45页
     ·基于改进先验的贝叶斯非局部均值 SAR 图像去斑第45-47页
   ·实验结果第47-54页
     ·高斯噪声图像去噪结果第47-49页
     ·SAR 图像去斑结果第49-54页
   ·本章小结第54-55页
第五章 总结与展望第55-57页
   ·本文工作总结第55-56页
   ·未来展望第56-57页
致谢第57-59页
参考文献第59-65页
研究生在读期间的研究成果第65-66页

论文共66页,点击 下载论文
上一篇:Surfacelet变换在视频去噪中的应用研究
下一篇:基于人工免疫系统的数据流聚类算法研究与应用