改进的NLM与布谷鸟算法在图像处理中的应用
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 图像去噪的方法和意义 | 第14-16页 |
| 1.1.1 图像去噪的方法 | 第14-15页 |
| 1.1.2 图像去噪的研究意义 | 第15-16页 |
| 1.2 图像分割的方法及意义 | 第16-18页 |
| 1.2.1 图像分割的方法 | 第16-17页 |
| 1.2.2 图像分割的研究意义 | 第17-18页 |
| 1.3 本文结构 | 第18-20页 |
| 第二章 图像去噪理论基础 | 第20-28页 |
| 2.1 图像噪声模型 | 第20页 |
| 2.2 非局部均值理论(NLM) | 第20-23页 |
| 2.3 变分法 | 第23-25页 |
| 2.4 图像去噪质量评价准则 | 第25-28页 |
| 2.4.1 结构相似度(SSIM) | 第26-27页 |
| 2.4.2 其它几种评价准则 | 第27-28页 |
| 第三章 自适应正则化NLM的去噪算法 | 第28-42页 |
| 3.1 算法的提出 | 第28-29页 |
| 3.2 算法的原理 | 第29-34页 |
| 3.2.1 ROF模型 | 第29-30页 |
| 3.2.2 NLM算法 | 第30页 |
| 3.2.3 对NLM去抖动(NLDJ) | 第30-32页 |
| 3.2.4 正则化NLM(R-NL) | 第32-34页 |
| 3.3 算法的流程 | 第34-36页 |
| 3.4 算法的实验结果与分析 | 第36-40页 |
| 3.4.1 参数选择 | 第36页 |
| 3.4.2 实验结果分析 | 第36-40页 |
| 3.5 本章小结 | 第40-42页 |
| 第四章 图像分割理论基础 | 第42-50页 |
| 4.1 图像分割概述 | 第42-43页 |
| 4.2 Otsu法 | 第43-45页 |
| 4.3 布谷鸟搜索算法(CS) | 第45-46页 |
| 4.3.1 CS算法实现的理想状态 | 第45页 |
| 4.3.2 CS算法的实现过程 | 第45-46页 |
| 4.4 K均值理论 | 第46-48页 |
| 4.4.1 K-means算法的工作原理 | 第47页 |
| 4.4.2 K均值算法流程 | 第47-48页 |
| 4.5 图像分割效果评价准则 | 第48-50页 |
| 4.5.1 最大熵值法 | 第48-49页 |
| 4.5.2 最大类间方差法 | 第49-50页 |
| 第五章 基于改进布谷鸟搜索算法的图像分割 | 第50-58页 |
| 5.1 算法的提出 | 第50-51页 |
| 5.2 算法的原理 | 第51-53页 |
| 5.2.1 确定阈值个数和范围 | 第51页 |
| 5.2.2 修正的CS算法(MCS) | 第51-53页 |
| 5.3 算法的流程 | 第53-54页 |
| 5.4 算法的实验结果与分析 | 第54-57页 |
| 5.5 本章小结 | 第57-58页 |
| 第六章 总结与展望 | 第58-60页 |
| 6.1 本文总结 | 第58页 |
| 6.2 展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-66页 |
| 作者简介 | 第66-67页 |
