| 摘要 | 第1-5页 |
| ABSTRACT | 第5-12页 |
| 符号说明 | 第12-13页 |
| 第一章 前言 | 第13-27页 |
| ·课题背景 | 第13-16页 |
| ·偏微分方程在图像降噪中的应用 | 第16-20页 |
| ·基于偏微分方程图像降噪的优点及面临的问题 | 第20-21页 |
| ·图像质量评价 | 第21-25页 |
| ·需要参考图像的评价方法 | 第21-22页 |
| ·无需参考图像的评价方法 | 第22页 |
| ·基于人类视觉系统的评价方法 | 第22-25页 |
| ·本论文创新点 | 第25页 |
| ·论文章节安排 | 第25-27页 |
| 第二章 结合全局和局部信息的非线性扩散降噪方法 | 第27-47页 |
| ·引言 | 第27-28页 |
| ·非线性扩散方法 | 第28-34页 |
| ·基于梯度信息的扩散方法 | 第28-31页 |
| ·图像的全局非连续性测度 | 第31-34页 |
| ·结合全局和局部信息的非线性扩散模型 | 第34-36页 |
| ·数值解法 | 第36-40页 |
| ·显式解法 | 第36-37页 |
| ·半隐式解法 | 第37-38页 |
| ·加法分解算法 | 第38页 |
| ·托马斯算法 | 第38-40页 |
| ·实验结果 | 第40-46页 |
| ·主观评价 | 第40-44页 |
| ·客观评价 | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 第三章 变分方法在脉冲噪声降噪中的应用 | 第47-74页 |
| ·引言 | 第47页 |
| ·中值滤波及其改进算法 | 第47-52页 |
| ·基于两阶段的自适应中值滤波算法 | 第52-54页 |
| ·列队差异增强噪声检测器 | 第52-53页 |
| ·自适应中值滤波 | 第53-54页 |
| ·自适应变分法 | 第54-57页 |
| ·数值解法 | 第57-62页 |
| ·最速下降法和共轭梯度法优化解法 | 第58-59页 |
| ·牛顿解法 | 第59-62页 |
| ·实验结果 | 第62-73页 |
| ·噪声检测器实验 | 第62-63页 |
| ·自适应中值滤波实验 | 第63-66页 |
| ·自适应变分方法实验 | 第66-71页 |
| ·自适应中值滤波算法与自适应变分方法对比实验 | 第71-73页 |
| ·小结 | 第73-74页 |
| 第四章 医学超声图像斑点降噪 | 第74-91页 |
| ·引言 | 第74页 |
| ·自适应滤波器与多尺度分析方法 | 第74-82页 |
| ·基于图像分解和几何分析方法斑点噪声降噪方法 | 第82-87页 |
| ·拉普拉斯金字塔图像分解 | 第82-84页 |
| ·ROF 分解模型 | 第84-85页 |
| ·超声图像的ROF 分解和几何分析方法 | 第85-87页 |
| ·算法实现 | 第87页 |
| ·Finite Ridgelet 变换的实现 | 第87页 |
| ·ROF 分解模型和Ridgelet 变换的数字实现 | 第87页 |
| ·实验结果 | 第87-90页 |
| ·本章小结 | 第90-91页 |
| 第五章 图像质量评价 | 第91-101页 |
| ·引言 | 第91页 |
| ·图像特征提取 | 第91-95页 |
| ·图像质量分类 | 第95-98页 |
| ·实验结果 | 第98-100页 |
| ·本章小结 | 第100-101页 |
| 第六章 工作总结及展望 | 第101-103页 |
| ·工作总结 | 第101-102页 |
| ·展望 | 第102-103页 |
| 致谢 | 第103-104页 |
| 参考文献 | 第104-112页 |
| 攻读博士期间发表的论文 | 第112页 |