基于图像质量评价的自适应降噪算法研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第1章 引言 | 第8-18页 |
| 1.1 课题的来源和研究背景 | 第8-13页 |
| 1.1.1 数字成像基础 | 第8-10页 |
| 1.1.2 RGB的数字表示 | 第10-12页 |
| 1.1.3 噪声干扰问题 | 第12-13页 |
| 1.2 图像降噪研究意义与本文研究内容 | 第13-15页 |
| 1.3 图像质量评价基础 | 第15-16页 |
| 1.3.1 主观图像质量评价 | 第15页 |
| 1.3.2 客观图像质量评估 | 第15-16页 |
| 1.4 论文结构介绍 | 第16-18页 |
| 第2章 常规彩色图像降噪算法及其问题 | 第18-38页 |
| 2.1 噪声模型 | 第18-21页 |
| 2.1.1 高斯噪声模型 | 第19-20页 |
| 2.1.2 脉冲噪声模型 | 第20页 |
| 2.1.3 混合噪声模型 | 第20-21页 |
| 2.2 降噪算法研究现状 | 第21-30页 |
| 2.2.1 空域滤波 | 第21-25页 |
| 2.2.2 变换域滤波 | 第25-30页 |
| 2.3 不同噪声模型下的主流滤波算法 | 第30-37页 |
| 2.3.1 BM3D | 第30-33页 |
| 2.3.2 NCSR | 第33-35页 |
| 2.3.3 NAFSM | 第35-37页 |
| 2.4 现有降噪算法主要问题 | 第37-38页 |
| 第3章 基于图像质量评价的自适应降噪算法框架 | 第38-52页 |
| 3.1 算法思想 | 第38-39页 |
| 3.2 特征矢量提取及其分析 | 第39-43页 |
| 3.3 噪声类型检测 | 第43-48页 |
| 3.3.1 分类数据准备 | 第43-46页 |
| 3.3.2 训练噪声分类模型 | 第46页 |
| 3.3.3 分类模型测试与分析 | 第46-48页 |
| 3.4 噪声水平预测 | 第48-52页 |
| 3.4.1 预测数据准备 | 第49-50页 |
| 3.4.2 训练噪声水平预测模型 | 第50页 |
| 3.4.3 预测模型测试与分析 | 第50-52页 |
| 第4章 自适应降噪算法实验及分析 | 第52-63页 |
| 4.1 实验测试开发及运行平台 | 第52-53页 |
| 4.2 降噪算法评价指标 | 第53-56页 |
| 4.2.1 PSNR | 第53页 |
| 4.2.3 SSIM | 第53-55页 |
| 4.2.4 FSIM | 第55-56页 |
| 4.3 自适应降噪效果比较 | 第56-63页 |
| 第5章 结论与展望 | 第63-65页 |
| 5.1 结论 | 第63页 |
| 5.2 进一步工作的方向 | 第63-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-72页 |
| 攻读学位期间的研究成果 | 第72页 |
