| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 引言 | 第11-15页 |
| 1.1 课题背景 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 本课题主要研究内容 | 第13-14页 |
| 1.4 论文结构 | 第14-15页 |
| 第二章 边缘检测算法研究 | 第15-31页 |
| 2.1 图像边缘检测技术概述 | 第15-16页 |
| 2.2 边缘检测算子 | 第16-23页 |
| 2.2.1 Sobel算子 | 第16-17页 |
| 2.2.2 Pal-King边缘检测 | 第17-19页 |
| 2.2.3 基于局部方差的边缘检测 | 第19-20页 |
| 2.2.4 基于模糊推理规则的边缘检测算法 | 第20-23页 |
| 2.3 改进的基于模糊推理规则的边缘检测算法 | 第23-28页 |
| 2.3.1 高斯噪声估计 | 第24页 |
| 2.3.2 模糊滤波 | 第24-26页 |
| 2.3.3 阈值选择 | 第26-28页 |
| 2.3.4 算法原理 | 第28页 |
| 2.4 本章小结 | 第28-31页 |
| 第三章 降噪算法研究 | 第31-41页 |
| 3.1 降噪算法介绍 | 第31-37页 |
| 3.1.1 局部降噪算法 | 第31-34页 |
| 3.1.2 非局部降噪算法 | 第34-37页 |
| 3.2 自适应的非局部均值算法 | 第37-40页 |
| 3.2.1 搜索窗口的确定 | 第38页 |
| 3.2.2 滤波参数的确定 | 第38-39页 |
| 3.2.3 算法原理 | 第39-40页 |
| 3.3 本章小结 | 第40-41页 |
| 第四章 边缘检测在降噪算法中的应用 | 第41-45页 |
| 4.1 边缘检测算法改进的NLM降噪算法 | 第41-42页 |
| 4.1.1 各向同性算法 | 第41页 |
| 4.1.2 算法原理 | 第41-42页 |
| 4.2 调整因子 | 第42-44页 |
| 4.2.1 模糊推理规则边缘检测算法获得调整因子 | 第42-43页 |
| 4.2.2 改进的模糊推理规则边缘检测算法获得调整因子 | 第43页 |
| 4.2.3 Pal-King算法获得调整因子 | 第43-44页 |
| 4.2.4 局部方差获得调整因子 | 第44页 |
| 4.3 本章小结 | 第44-45页 |
| 第五章 实验结果及分析 | 第45-61页 |
| 5.1 图像质量评估方法 | 第45-46页 |
| 5.1.1 平均结构相似度 | 第45页 |
| 5.1.2 均方误差 | 第45-46页 |
| 5.1.3 峰值信噪比 | 第46页 |
| 5.2 改进的基于模糊推理规则的边缘检测算法的实验 | 第46-48页 |
| 5.3 改进的拉普拉斯算子实验 | 第48-49页 |
| 5.4 边缘检测技术应用于改进的非局部均值滤波 | 第49-59页 |
| 5.4.1 模糊推理规则边缘检测算法获得调整因子 | 第49-51页 |
| 5.4.2 改进的模糊推理规则边缘检测算法获得调整因子 | 第51-52页 |
| 5.4.3 Pal-King边缘检测算法应获得调整因子 | 第52-53页 |
| 5.4.4 局部方差获得调整因子 | 第53-54页 |
| 5.4.5 本文算法对比 | 第54-57页 |
| 5.4.6 本文算法与基于PM算法的NLM算法对比 | 第57-59页 |
| 5.5 本章小结 | 第59-61页 |
| 第六章 总结与展望 | 第61-63页 |
| 6.1 总结 | 第61-62页 |
| 6.2 展望 | 第62-63页 |
| 致谢 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 附录 作者在攻读硕士期间公开发表的论文及获得的相关成果 | 第69页 |
