| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-19页 |
| 1.1 图像去噪的研究背景及意义 | 第15-16页 |
| 1.2 图像去噪的发展现状 | 第16-17页 |
| 1.2.1 空域去噪方法 | 第16-17页 |
| 1.2.2 频域去噪方法 | 第17页 |
| 1.3 论文的主要工作及结构安排 | 第17-19页 |
| 第二章 图像成像原理及经典的图像去噪算法 | 第19-27页 |
| 2.1 图像成像原理及噪声分析 | 第19-20页 |
| 2.1.1 自然图像成像原理及噪声特点 | 第19页 |
| 2.1.2 医学图像成像原理及噪声特点 | 第19-20页 |
| 2.2 经典的图像去噪算法 | 第20-25页 |
| 2.2.1 非局部均值去噪算法 | 第21-22页 |
| 2.2.2 基于冗余字典的图像去噪算法 | 第22-23页 |
| 2.2.3 BM3D去噪方法 | 第23-25页 |
| 2.3 图像去噪效果的评价指标 | 第25-26页 |
| 2.3.1 主观评价准则 | 第25页 |
| 2.3.2 客观评价准则 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 基于聚类集成与稀疏字典学习的图像降噪方法 | 第27-51页 |
| 3.1 引言 | 第27页 |
| 3.2 聚类集成理论 | 第27-31页 |
| 3.2.1 传统的聚类集成算法 | 第28页 |
| 3.2.2 改进的聚类集成算法及其有效性 | 第28-31页 |
| 3.3 稀疏字典学习算法 | 第31-33页 |
| 3.4 基于聚类集成与稀疏字典学习的图像降噪方法 | 第33-36页 |
| 3.4.1 构造图像特征集 | 第33页 |
| 3.4.2 特征集分类 | 第33-35页 |
| 3.4.3 聚类字典学习 | 第35-36页 |
| 3.5 算法的具体步骤 | 第36-37页 |
| 3.6 实验结果与分析 | 第37-50页 |
| 3.6.1 自然图像去噪结果与分析 | 第38-45页 |
| 3.6.2 医学图像去噪结果与分析 | 第45-50页 |
| 3.7 本章小结 | 第50-51页 |
| 第四章 基于改进K-SVD字典学习与相似性约束的图像降噪方法 | 第51-71页 |
| 4.1 引言 | 第51页 |
| 4.2 改进K-SVD字典学习 | 第51-54页 |
| 4.2.1 K-SVD基本思想及其不足 | 第51-52页 |
| 4.2.2 改进K-SVD字典学习 | 第52-54页 |
| 4.3 基于改进K-SVD字典学习与相似性约束的图像降噪方法 | 第54-57页 |
| 4.3.1 基于主成分分析的相似性约束 | 第54-56页 |
| 4.3.2 基于BM3D的相似性约束 | 第56-57页 |
| 4.4 算法的具体步骤 | 第57-58页 |
| 4.5 实验结果与分析 | 第58-70页 |
| 4.5.1 自然图像去噪结果与分析 | 第58-64页 |
| 4.5.2 医学图像去噪结果与分析 | 第64-70页 |
| 4.6 本章小结 | 第70-71页 |
| 第五章 总结与展望 | 第71-73页 |
| 5.1 研究结论 | 第71页 |
| 5.2 研究展望 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 致谢 | 第77-79页 |
| 作者简介 | 第79-80页 |