| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-19页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 图像去噪概述 | 第10-16页 |
| 1.2.1 图像噪声类型 | 第10-12页 |
| 1.2.2 常用去噪算法 | 第12-13页 |
| 1.2.3 图像质量评价方法 | 第13-16页 |
| 1.3 灰色系统理论概述 | 第16-17页 |
| 1.3.1 灰色系统理论的发展及应用 | 第16-17页 |
| 1.3.2 灰色系统理论的主要内容及特点 | 第17页 |
| 1.4 本论文主要研究内容 | 第17-19页 |
| 第2章 基于灰色关联度改进的 Contourlet 变换图像去噪算法 | 第19-29页 |
| 2.1 灰色关联分析 | 第19-21页 |
| 2.1.1 灰色关联分析的基本思想 | 第19页 |
| 2.1.2 灰色关联度的应用及计算 | 第19-21页 |
| 2.2 阈值和阈值函数修正方案 | 第21-24页 |
| 2.2.1 阈值修正方案 | 第21-22页 |
| 2.2.2 新阈值函数 | 第22-24页 |
| 2.2.3 算法具体步骤 | 第24页 |
| 2.3 实验结果与分析 | 第24-26页 |
| 2.4 本章小结 | 第26-29页 |
| 第3章 GM(1,1)模型与轮廓波变换相结合的图像去噪算法 | 第29-42页 |
| 3.1 轮廓波变换 | 第29-32页 |
| 3.1.1 Contourlet 变换 | 第29-31页 |
| 3.1.2 NSCT 变换 | 第31-32页 |
| 3.2 GM(1,1)灰色预测模型 | 第32-35页 |
| 3.2.1 GM(1,1)灰色预测模型研究现状 | 第32页 |
| 3.2.2 GM(1,1)模型建模机理 | 第32页 |
| 3.2.3 GM(1,1)模型在图像去噪中的应用 | 第32-34页 |
| 3.2.4 GM(1,1)模型对带噪图像预处理的实验仿真 | 第34-35页 |
| 3.3 轮廓波变换去噪过程 | 第35-36页 |
| 3.3.1 Contourlet 变换去噪过程 | 第35页 |
| 3.3.2 NSCT 变换去噪过程 | 第35-36页 |
| 3.4 算法描述及实验结果与分析 | 第36-40页 |
| 3.4.1 算法描述 | 第36-37页 |
| 3.4.2 实验结果与分析 | 第37-40页 |
| 3.5 本章小结 | 第40-42页 |
| 第4章 GM(1,1)模型与小波变换相结合的图像去噪算法 | 第42-51页 |
| 4.1 小波阈值图像去噪算法 | 第42-45页 |
| 4.1.1 小波变换原理 | 第42-43页 |
| 4.1.2 图像的小波分解与重构 | 第43-45页 |
| 4.1.3 小波阈值去噪算法流程 | 第45页 |
| 4.2 算法主要思想 | 第45-47页 |
| 4.2.1 GM(1,1)模型对带噪图像预处理 | 第45-46页 |
| 4.2.2 小波阈值去噪 | 第46-47页 |
| 4.3 实验结果与分析 | 第47-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第5章 总结与展望 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 致谢 | 第57-58页 |
| 附录 A 个人简历 | 第58-59页 |
| 附录 B 在校期间发表的学术论文及研究成果 | 第59-60页 |
| 附录 C 论文中的用图 | 第60-61页 |
| 附录 D 论文中的用表 | 第61页 |
