| 摘要 | 第2-4页 |
| ABSTRACT | 第4-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 空间域去噪 | 第10-11页 |
| 1.2.2 变换域去噪 | 第11-12页 |
| 1.2.3 人工神经网络模型去噪 | 第12-13页 |
| 1.2.4 偏微分方程去噪 | 第13-14页 |
| 1.3 去噪存在的问题 | 第14-15页 |
| 1.4 本文的主要内容 | 第15-17页 |
| 第2章 图像去噪方法及评价概述 | 第17-28页 |
| 2.1 噪声的特性与分类 | 第17-20页 |
| 2.2 图像去噪方法 | 第20-25页 |
| 2.2.1 均值滤波和高斯噪声滤波器去噪方法 | 第21-22页 |
| 2.2.2 中值滤波 | 第22-23页 |
| 2.2.3 小波变换方法 | 第23-25页 |
| 2.3 图像去噪质量评价 | 第25-27页 |
| 2.3.1 主观评价 | 第25-26页 |
| 2.3.2 客观评价 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 基于Contourlet变换系数能量的自适应图像去噪算法 | 第28-41页 |
| 3.1 引言 | 第28页 |
| 3.2 Contourlet变换理论 | 第28-30页 |
| 3.3 基于Contourlet变图像去噪流程 | 第30-31页 |
| 3.4 基于变换系数能量的自适应阈值和新的阈值函数 | 第31-35页 |
| 3.4.1 基于图像自身特性的自适应阈值 | 第32-33页 |
| 3.4.2 新的双阈值去噪函数 | 第33-35页 |
| 3.5 基于变换系数能量的自适应图像去噪算法及参数确定 | 第35-36页 |
| 3.6 实验结果及分析 | 第36-39页 |
| 3.7 本章小结 | 第39-41页 |
| 第4章 基于改进的ICM模型自适应图像去噪算法 | 第41-54页 |
| 4.1 引言 | 第41-42页 |
| 4.2 一种改进的交叉视觉皮质模型 | 第42-45页 |
| 4.2.1 经典交叉视觉皮层模型 | 第42-43页 |
| 4.2.2 一种改进的交叉视觉皮层模型 | 第43-45页 |
| 4.3 改进ICM的赋时矩阵与可变步长灰度调节函数 | 第45-46页 |
| 4.3.1 改进ICM的赋时矩阵 | 第45页 |
| 4.3.2 可变步长灰度调节函数 | 第45-46页 |
| 4.4 基于改进交叉视觉皮质模型图像去噪算法 | 第46-48页 |
| 4.5 实验图像结果及分析 | 第48-53页 |
| 4.6 本章小结 | 第53-54页 |
| 第5章 总结与展望 | 第54-57页 |
| 5.1 全文总结 | 第54-55页 |
| 5.2 展望 | 第55-57页 |
| 参考文献 | 第57-63页 |
| 致谢 | 第63-64页 |
