| 中文摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-11页 |
| 1.1 研究背景及意义 | 第7页 |
| 1.2 研究现状 | 第7-9页 |
| 1.3 论文的主要工作和章节安排 | 第9-11页 |
| 第二章 图像噪声基础及经典噪声估计算法 | 第11-31页 |
| 2.1 图像成像原理及噪声模型 | 第11-14页 |
| 2.1.1 图像成像原理 | 第11-12页 |
| 2.1.2 图像噪声模型 | 第12-14页 |
| 2.2 基于拉普拉斯滤波的图像噪声估计算法 | 第14-17页 |
| 2.2.1 基于拉普拉斯滤波的快速噪声估计算法 | 第15页 |
| 2.2.2 改进的基于拉普拉斯滤波的噪声估计算法 | 第15-16页 |
| 2.2.3 实验结果 | 第16-17页 |
| 2.3 基于弱纹理区域的图像噪声估计算法 | 第17-23页 |
| 2.3.1 基于PCA的图像噪声估计原理 | 第18-21页 |
| 2.3.2 弱纹理区域的选择 | 第21-23页 |
| 2.3.3 实验结果 | 第23页 |
| 2.4 小波域的图像噪声估计算法 | 第23-30页 |
| 2.4.1 图像的二维小波变换 | 第24-27页 |
| 2.4.2 经典的小波域图像噪声估计算法 | 第27页 |
| 2.4.3 基于小波系数估计的图像噪声估计算法 | 第27-29页 |
| 2.4.4 实验结果 | 第29-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 基于高阶曲面拟合和统计推断的图像噪声强度估计 | 第31-39页 |
| 3.1 算法思想 | 第31-32页 |
| 3.2 主要算法描述 | 第32-37页 |
| 3.2.1 最小二乘拟合思想 | 第32-33页 |
| 3.2.2 χ~2分布 | 第33-34页 |
| 3.2.3 算法实现 | 第34-37页 |
| 3.3 算法参数选择 | 第37-38页 |
| 3.3.1 图像块大小M的选择 | 第37-38页 |
| 3.3.2 曲面拟合阶数K的选择 | 第38页 |
| 3.3.3 上β分位点的选择 | 第38页 |
| 3.4 本章小结 | 第38-39页 |
| 第四章 图像噪声估计性能的验证方法 | 第39-46页 |
| 4.1 图像噪声估计性能评价方法 | 第39-40页 |
| 4.2 一种新的无偏性能验证方法 | 第40-41页 |
| 4.3 实验结果与分析 | 第41-45页 |
| 4.4 本章小结 | 第45-46页 |
| 第五章 总结与展望 | 第46-48页 |
| 5.1 论文的主要工作 | 第46页 |
| 5.2 研究展望 | 第46-48页 |
| 参考文献 | 第48-50页 |
| 在学期间的研究成果 | 第50-51页 |
| 致谢 | 第51页 |