基于相似块的图像去噪算法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 图像去噪研究现状 | 第10-12页 |
| 1.3 本文的主要研究内容 | 第12-13页 |
| 1.4 本文的章节安排 | 第13-15页 |
| 第二章 图像去噪算法综述 | 第15-27页 |
| 2.1 噪声模型及常见图像去噪算法 | 第15-21页 |
| 2.1.1 图像中的噪声模型 | 第15-17页 |
| 2.1.2 常见的图像去噪方法 | 第17-21页 |
| 2.2 非局部均值去噪算法 | 第21-24页 |
| 2.2.1 非局部均值去噪算法基本原理 | 第21-23页 |
| 2.2.2 非局部均值去噪算法研究进展 | 第23-24页 |
| 2.3 图像去噪质量评价标准 | 第24-26页 |
| 2.3.1 主观评价 | 第24-25页 |
| 2.3.2 客观评价 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 基于超像素分割的非局部均值去噪算法 | 第27-37页 |
| 3.1 超像素分割算法 | 第27页 |
| 3.2 基于超像素分割的非局部均值去噪算法 | 第27-31页 |
| 3.2.1 含噪图像的超像素分割 | 第28-29页 |
| 3.2.2 基于超像素分割改进的NLM改进算法 | 第29-31页 |
| 3.3 仿真实验与分析 | 第31-36页 |
| 3.3.1 主观评价 | 第32-34页 |
| 3.3.2 客观评价 | 第34-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第四章 基于聚类选择的非局部均值去噪算法 | 第37-51页 |
| 4.1 图像块的局部特性信息 | 第37-40页 |
| 4.2 相似块的局部特征向量 | 第40-41页 |
| 4.3 基于聚类选择的非局部均值去噪算法 | 第41-44页 |
| 4.3.1 相似块的聚类分析 | 第41-43页 |
| 4.3.2 相似块权重的分配策略 | 第43-44页 |
| 4.4 仿真实验与分析 | 第44-49页 |
| 4.4.1 主观评价 | 第45-48页 |
| 4.4.2 客观评价 | 第48-49页 |
| 4.5 本章小结 | 第49-51页 |
| 第五章 改进区域相似度的非局部均值去噪算法 | 第51-63页 |
| 5.1 图像的小波分解与重构 | 第51-53页 |
| 5.2 基于小波变换的相似性度量方法 | 第53-55页 |
| 5.2.1 小波分解系数的特征分布 | 第53页 |
| 5.2.2 构建小波特征信息集合 | 第53-54页 |
| 5.2.3 基于小波的相似性度量策略 | 第54-55页 |
| 5.3 改进相似性度量的非局部均值去噪算法 | 第55-56页 |
| 5.4 仿真实验与分析 | 第56-61页 |
| 5.4.1 主观评价 | 第56-59页 |
| 5.4.2 客观评价 | 第59-61页 |
| 5.5 本章小结 | 第61-63页 |
| 总结与展望 | 第63-65页 |
| 参考文献 | 第65-71页 |
| 攻读硕士学位期间取得的科研成果 | 第71-73页 |
| 致谢 | 第73页 |
