| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第13-21页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-19页 |
| 1.2.1 N-Smoothlets研究现状 | 第14-18页 |
| 1.2.2 图像去噪研究现状 | 第18页 |
| 1.2.3 图像边缘检测研究现状 | 第18-19页 |
| 1.3 论文结构及章节安排 | 第19-21页 |
| 第二章 Shear Smoothlet变换 | 第21-39页 |
| 2.1 引言 | 第21页 |
| 2.2 Smoothlet变换 | 第21-30页 |
| 2.2.1 过渡带定义 | 第21-24页 |
| 2.2.2 数学模型 | 第24页 |
| 2.2.3 四叉树分解算法 | 第24-27页 |
| 2.2.4 去块效应 | 第27-30页 |
| 2.3 Shear Smoothlet原理及流程 | 第30-34页 |
| 2.3.1 Shear操作 | 第30-31页 |
| 2.3.2 Shear Smoothlet变换 | 第31-34页 |
| 2.4 实验结果分析 | 第34-38页 |
| 2.5 本章小结 | 第38-39页 |
| 第三章 基于N-Smoothlets的图像去噪 | 第39-61页 |
| 3.1 引言 | 第39页 |
| 3.2 N-Smoothlets变换 | 第39-46页 |
| 3.2.1 N的取值情况 | 第39-41页 |
| 3.2.2 过渡带处理 | 第41-43页 |
| 3.2.3 四叉树分解算法 | 第43-46页 |
| 3.3 去噪模型与常见方法 | 第46-51页 |
| 3.3.1 噪声模型与去噪原理 | 第46-47页 |
| 3.3.2 常见去噪方法 | 第47-51页 |
| 3.4 基于N-Smoothlets的图像去噪 | 第51-53页 |
| 3.4.1 权重选取 | 第52页 |
| 3.4.2 算法流程 | 第52-53页 |
| 3.5 实验结果与分析 | 第53-60页 |
| 3.6 本章小结 | 第60-61页 |
| 第四章 基于N-Smoothlets的图像边缘检测 | 第61-74页 |
| 4.1 引言 | 第61页 |
| 4.2 图像边缘检测原理与方法 | 第61-65页 |
| 4.2.1 微分算子边缘检测 | 第62页 |
| 4.2.2 基于Wedgelet的边缘检测 | 第62-65页 |
| 4.3 滑动窗N-Smoothlets图像边缘检测 | 第65-68页 |
| 4.3.1 复杂边缘拟合情况 | 第65-66页 |
| 4.3.2 阈值判定 | 第66-67页 |
| 4.3.3 算法流程 | 第67-68页 |
| 4.4 实验结果与分析 | 第68-73页 |
| 4.5 本章小结 | 第73-74页 |
| 第五章 总结与展望 | 第74-76页 |
| 5.1 总结 | 第74页 |
| 5.2 展望 | 第74-76页 |
| 致谢 | 第76-77页 |
| 参考文献 | 第77-81页 |
| 攻硕期间取得的研究成果 | 第81-82页 |