| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-11页 |
| ·研究背景及意义 | 第8-9页 |
| ·国内外研究现状 | 第8-9页 |
| ·主要研究工作 | 第9-10页 |
| ·论文的章节安排 | 第10-11页 |
| 第二章 数字图像去噪技术 | 第11-17页 |
| ·噪声概述 | 第11-13页 |
| ·图像边缘保持类去噪算法 | 第13-15页 |
| ·几种边界保持类平滑滤波 | 第14-15页 |
| ·边缘检测与图像去噪 | 第15-16页 |
| ·本章小结 | 第16-17页 |
| 第三章 双边滤波算法 | 第17-22页 |
| ·双边滤波 | 第17-19页 |
| ·双边滤波算法的应用 | 第19-20页 |
| ·基于双边滤波的改进算法 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第四章 脉冲耦合神经网络(PCNN) | 第22-30页 |
| ·人工神经网络技术 | 第22-23页 |
| ·PCNN模型及工作原理 | 第23-25页 |
| ·基于PCNN的图像去噪算法 | 第25-29页 |
| (1) 基于PCNN与传统滤波器结合去噪 | 第25-26页 |
| (2) 基于PCNN和自适应中值滤波算法 | 第26-27页 |
| (3) 基于PCNN与α-平衡均值滤波器 | 第27-29页 |
| ·基于PCNN去噪基本模型 | 第29-30页 |
| 第五章 基于双边滤波与边缘检测技术的混合噪声滤波算法 | 第30-48页 |
| ·纹理方向 | 第30-31页 |
| ·本文算法实现 | 第31页 |
| ·噪声点检测 | 第31-38页 |
| ·中位值在象限中的排序 | 第33-36页 |
| ·基于排序象限中位值集合域的边缘定义 | 第36-37页 |
| ·用于判定边缘的中位值参数设定 | 第37-38页 |
| ·改进后的双边滤波算法 | 第38-41页 |
| ·噪声检测值的设定 | 第40页 |
| ·混合噪声的去除 | 第40-41页 |
| ·实验仿真结果分析 | 第41-47页 |
| ·客观评价 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第六章 总结与展望 | 第48-50页 |
| 参考文献 | 第50-53页 |
| 致谢 | 第53-54页 |
| 附录 | 第54-61页 |