基于图像序列的降噪方法研究
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 盲源分离的研究背景 | 第8页 |
| 1.2 独立成分分析的研究现状 | 第8-9页 |
| 1.3 X射线医学图像的研究背景与意义 | 第9-10页 |
| 1.4 图像降噪的现状研究 | 第10-11页 |
| 1.5 本论文的主要工作及结构编排 | 第11-12页 |
| 第二章 图像降噪的理论分析 | 第12-27页 |
| 2.1 图像降噪的必要性 | 第12-13页 |
| 2.1.1 普通图像降噪必要性 | 第12页 |
| 2.1.2 X射线图像降噪的必要性 | 第12-13页 |
| 2.2 噪声的分类 | 第13-15页 |
| 2.2.1 按噪声和信号间的关系分类 | 第13-14页 |
| 2.2.2 按噪声产生的原因分类 | 第14页 |
| 2.2.3 按噪声概率密度函数分类 | 第14-15页 |
| 2.3 图像质量评价方法 | 第15-17页 |
| 2.3.1 图像质量主观评价方法 | 第15-16页 |
| 2.3.2 图像质量客观评价方法 | 第16-17页 |
| 2.4 常见降噪方法 | 第17-22页 |
| 2.4.1 中值滤波 | 第17-18页 |
| 2.4.2 小波降噪 | 第18-20页 |
| 2.4.3 非局部均匀图像降噪 | 第20-21页 |
| 2.4.4 BM3D降噪 | 第21-22页 |
| 2.5 降噪实验结果及分析 | 第22-26页 |
| 2.6 本章小结 | 第26-27页 |
| 第三章 独立成分分析的理论分析及其降噪算法仿真 | 第27-52页 |
| 3.1 独立成分分析简述 | 第27页 |
| 3.2 独立成分分析概念 | 第27-30页 |
| 3.2.1 独立成分分析数学模型及其分类 | 第27-29页 |
| 3.2.2 独立成分分析的假设条件 | 第29-30页 |
| 3.3 独立成分分析的算法研究 | 第30-35页 |
| 3.3.1 目标函数 | 第30-33页 |
| 3.3.2 寻优算法 | 第33-35页 |
| 3.4 主成分分析算法 | 第35-37页 |
| 3.5 独立成分分析对图像的分离降噪仿真 | 第37-51页 |
| 3.5.1 ICA对医学图像分离仿真 | 第37-41页 |
| 3.5.2 ICA对X图像降噪仿真 | 第41页 |
| 3.5.3 稀疏收缩编码法 | 第41-42页 |
| 3.5.4 基于ICA的稀疏编码降噪仿真实验过程 | 第42-44页 |
| 3.5.5 基于无参考评价的降噪分析 | 第44-51页 |
| 3.6 本章小结 | 第51-52页 |
| 第四章 ICA基于图像序列的降噪性能分析 | 第52-67页 |
| 4.1 Frame Average算法 | 第52-54页 |
| 4.2 SVD降噪算法 | 第54-56页 |
| 4.2.1 预白化算法 | 第55页 |
| 4.2.2 白化信号基于SVD的分解 | 第55-56页 |
| 4.3 算法降噪结果比较分析 | 第56-66页 |
| 4.3.1 实验准备 | 第56-58页 |
| 4.3.2 实验结果及分析 | 第58-66页 |
| 4.4 本章小结 | 第66-67页 |
| 第五章 总结与展望 | 第67-69页 |
| 5.1 工作总结 | 第67-68页 |
| 5.2 工作展望 | 第68-69页 |
| 参考文献 | 第69-72页 |
| 附录1 攻读硕士学位期间申请的专利 | 第72-73页 |
| 致谢 | 第73页 |
