| 中文部分 | 第1-89页 |
| 摘要 | 第5-7页 |
| Abstract | 第7-12页 |
| 1 绪论 | 第12-17页 |
| ·引言 | 第12页 |
| ·课题背景与来源 | 第12-13页 |
| ·图像去噪研究现状 | 第13-14页 |
| ·图像去噪质量评价标准 | 第14-15页 |
| ·本论文的实验环境 | 第15页 |
| ·本论文的主要工作及章节安排 | 第15-17页 |
| 2 水下图像散射模型 | 第17-26页 |
| ·水下成像光学原理 | 第17页 |
| ·水下前向和后向散射特性的实验研究 | 第17-20页 |
| ·水下图像传递函数模型以及后向散射特性的理论分析 | 第20-23页 |
| ·描述前向散射的水下传递函数模型 | 第20-21页 |
| ·后向散射信号传输模型 | 第21-23页 |
| ·基于散射传递模型的水下图像复原方法研究 | 第23-25页 |
| ·基于散射传输模型的分层图像复原 | 第23-24页 |
| ·基于散射传输模型的偏微分方程描述 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 3 基于偏微分方程的图像复原 | 第26-38页 |
| ·偏微分方程在图像处理中的发展 | 第26-27页 |
| ·偏微分方程的基本概念 | 第27-30页 |
| ·偏微分方程的几个典型方程 | 第28页 |
| ·定解问题 | 第28-29页 |
| ·图像及其算子的表示 | 第29-30页 |
| ·整体变分法图像复原 | 第30-36页 |
| ·整体变分法相关概念 | 第30页 |
| ·整体变分图像复原模型 | 第30-31页 |
| ·整体变分图像复原模型的数值解法 | 第31-35页 |
| ·三种主要的变分去噪模型 | 第35-36页 |
| ·本章小结 | 第36-38页 |
| 4 基于细胞神经网络的图像处理 | 第38-57页 |
| ·细胞神经网络的发展 | 第38-42页 |
| ·细胞神经网络的理论背景 | 第38页 |
| ·细胞神经网络的发展过程 | 第38-40页 |
| ·细胞神经网络的理论研究和应用研究 | 第40-42页 |
| ·细胞神经网络的模型和概念 | 第42-47页 |
| ·细胞神经网络的结构 | 第42-43页 |
| ·细胞神经网络的状态方程 | 第43-46页 |
| ·细胞神经网络动态性与稳定性定理 | 第46-47页 |
| ·基于细胞神经网络的图像处理方法 | 第47-49页 |
| ·基于细胞神经网络的图像处理的一般步骤 | 第47-48页 |
| ·细胞神经网络状态方程差分化 | 第48页 |
| ·细胞神经网络模板参数设计 | 第48-49页 |
| ·基本的细胞神经网络图像处理方法 | 第49-56页 |
| ·图像边缘检测 | 第49-50页 |
| ·梯度估计 | 第50页 |
| ·轮廓检测 | 第50-51页 |
| ·最佳边缘检测 | 第51-52页 |
| ·均值滤波器 | 第52-54页 |
| ·中值滤波器 | 第54-55页 |
| ·锐化滤波器 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 5 基于偏微分方程的细胞神经网络水下图像噪声抑制 | 第57-79页 |
| ·基于典型微分方程细胞神经网络图像处理 | 第57-62页 |
| ·热扩散方程 | 第57-59页 |
| ·拉普拉斯方程 | 第59-61页 |
| ·泊松方程 | 第61-62页 |
| ·基于变分偏微分方程的细胞神经网络水下图像噪声抑制 | 第62-78页 |
| ·Perona&Malik模型(P-M模型) | 第62-63页 |
| ·基于细胞神经网络的正则化图像处理 | 第63-66页 |
| ·基于细胞神经网络的变分模型 | 第66-78页 |
| ·本章小结 | 第78-79页 |
| 6 总结与展望 | 第79-81页 |
| ·总结 | 第79-80页 |
| ·展望 | 第80-81页 |
| 参考文献 | 第81-87页 |
| 致谢 | 第87-88页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第88-89页 |
| 英文部分 | 第89-186页 |
| ABSTRACT | 第91-97页 |
| 1 I ntroduction | 第97-104页 |
| ·Forward | 第97-98页 |
| ·Background and Sources | 第98页 |
| ·The Status of Image Denoising | 第98-100页 |
| ·The EvaIuation Standard of Image Denoising | 第100-101页 |
| ·Our Exper i mental EnvironmentaI | 第101页 |
| ·Main Work and the Chapter List | 第101-104页 |
| 2 Scattering ModeI of Underwater Image | 第104-115页 |
| ·The Optical Principle of Underwater Image | 第104-105页 |
| ·Experimental Study of the Character of Forward and Backward Scattering Underwater | 第105-108页 |
| ·Underwater Image Transfer Function Model and The Theory Analysis of Backward Scattering | 第108-111页 |
| ·The underwater transfer function model of forward scattering | 第108-109页 |
| ·Backscattering signal transform model | 第109-111页 |
| ·Underwater Image Restoration Method Based on Scattering Transfer Model | 第111-114页 |
| ·Hierarchical image restoration based on scattering transmission model | 第112-113页 |
| ·Partial differential equations describing based on scattering transmission model.. | 第113-114页 |
| ·Chapter Summary | 第114-115页 |
| 3 Image Restoration Based on Partial Differential Equations | 第115-129页 |
| ·Partial Differential Equations in Image Processing Development | 第115-117页 |
| ·The Basic Concept of Partial Differential Equations | 第117-120页 |
| ·Some typical equations of partial differential equations | 第118-119页 |
| ·The problem of determining solution | 第119页 |
| ·Image and operator expression | 第119-120页 |
| ·Total Variation Image Restoration Method | 第120-128页 |
| ·TV model related concept | 第120-121页 |
| ·Total variation image restoration model | 第121-122页 |
| ·The numerical solution of total variation image restoration model | 第122-126页 |
| ·Three major variation denoising models | 第126-128页 |
| ·Chapter Summary | 第128-129页 |
| 4 Image Processing Based on Cellular Neural Networks 33 4.1 The Development of Cellular Neural Networks | 第129-151页 |
| ·The Development of Cellular Neural Networks | 第129-134页 |
| ·Theoretical background of cellular neural networks | 第129-130页 |
| ·The development of cellular neural networks | 第130-132页 |
| ·The the oretical apply and studies of cellular neural networks | 第132-134页 |
| ·The Concept and Model of Cellular Neural Networks | 第134-140页 |
| ·The Structure of Cellular Neural Networks | 第134-136页 |
| ·The state equation of the cellular neural network | 第136-138页 |
| ·Stability theorem and dynamic of cellular neural networks | 第138-140页 |
| ·Image Processing Methods Based on Cellular Neural Networks. | 第140-142页 |
| ·General steps of image processing based on cellular neural networks | 第140-141页 |
| ·The differencing of cellular neural networks' state equation | 第141页 |
| ·Design of cellular neural networks' template parameter | 第141-142页 |
| ·Basic Image Processing Using Cellular Neural Networks | 第142-150页 |
| ·Edge Detection | 第142-143页 |
| ·Estimation of the gradient | 第143-144页 |
| ·Contour detector | 第144-145页 |
| ·Optimal edge detector | 第145-146页 |
| ·Mean filter | 第146-148页 |
| ·Median filter | 第148-149页 |
| ·Sharpening filter | 第149-150页 |
| ·Chapter Summary | 第150-151页 |
| 5 Cellular Neural Networks Based on Partial Differential Equations Committed to Underwater Image Noise Reduction . | 第151-176页 |
| ·Cellular Neural Networks Based on Typical Partial Differential Equat i ons Comm i tted to I mage Process i ng | 第151-156页 |
| ·Heat diffusion equation | 第151-154页 |
| ·Laplace equation | 第154-155页 |
| ·Poisson equation | 第155-156页 |
| ·Cellular Neural Networks Based on Variation of Partial Differential Equations Committed to Underwater Image Noise Reduction | 第156-174页 |
| ·Perona&Malik Model | 第156-158页 |
| ·Regularized image processing based on Cellular Neural Networks | 第158-162页 |
| ·The variational model based on cellular neural networks | 第162-174页 |
| ·Chapter Summary | 第174-176页 |
| 6 ConeIusions and Perspect i ves | 第176-179页 |
| ·ConeIusions | 第176-177页 |
| ·Perspectives | 第177-179页 |
| References | 第179-186页 |
| ACKNOWLEDGEMENTS | 第186页 |
