| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 研究目的与意义 | 第14-15页 |
| 1.2 图像噪声及去噪算法的研究现状 | 第15-18页 |
| 1.2.1 图像噪声 | 第15-16页 |
| 1.2.2 图像去噪算法的研究现状 | 第16-18页 |
| 1.3 本文主要工作及内容安排 | 第18-20页 |
| 第二章 图像去噪的理论基础 | 第20-28页 |
| 2.1 图像去噪算法的评价标准 | 第20-21页 |
| 2.1.1 主观评价与图像边缘 | 第20-21页 |
| 2.1.2 客观评价 | 第21页 |
| 2.2 邻域均值滤波器 | 第21-23页 |
| 2.3 基于稀疏表示的图像去噪方法 | 第23-27页 |
| 2.3.1 图像稀疏表示模型 | 第24-25页 |
| 2.3.2 稀疏分解算法 | 第25-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 基于图像局部特征的偏微分去噪方法 | 第28-38页 |
| 3.1 基于偏微分方程的去噪算法 | 第28页 |
| 3.2 P-M模型 | 第28-33页 |
| 3.2.1 梯度阈值K的取值分析 | 第30-32页 |
| 3.2.2 P-M模型扩散次数分析 | 第32-33页 |
| 3.3 P-M模型的改进 | 第33-36页 |
| 3.3.1 梯度阈值函数的改进 | 第34-35页 |
| 3.3.2 实验仿真与及分析 | 第35-36页 |
| 3.4 本章小结 | 第36-38页 |
| 第四章 基于边缘检测的非局部均值去噪算法 | 第38-48页 |
| 4.1 非局部均值去噪算法 | 第38-39页 |
| 4.2 非局部均值去噪方法的不足 | 第39-41页 |
| 4.3 结构自适应的非局部均值算法 | 第41-44页 |
| 4.3.1 ENL-Means算法 | 第41-42页 |
| 4.3.2 图像的结构信息分析 | 第42-43页 |
| 4.3.3 ENL-Means算法的改进 | 第43-44页 |
| 4.4 实验仿真与分析 | 第44-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第五章 结合非局部均值和K-SVD的去噪方法 | 第48-60页 |
| 5.1 稀疏表示的图像去噪模型 | 第48-50页 |
| 5.2 字典学习方法 | 第50-53页 |
| 5.2.1 MOD字典学习方法 | 第50-51页 |
| 5.2.2 K-SVD字典学习方法 | 第51页 |
| 5.2.3 基于聚类的字典学习方法 | 第51-53页 |
| 5.3 基于K-SVD稀疏表示去噪的不足与改进 | 第53-57页 |
| 5.3.1 基于K-SVD稀疏表示去噪算法的不足 | 第53-55页 |
| 5.3.2 对基于K-SVD稀疏表示去噪算法的改进 | 第55-56页 |
| 5.3.3 结合K-SVD和ENL-Means图像去噪方法 | 第56-57页 |
| 5.4 实验仿真与分析 | 第57-58页 |
| 5.5 本章小结 | 第58-60页 |
| 第六章 本文总结与展望 | 第60-62页 |
| 6.1 全文工作总结 | 第60-61页 |
| 6.2 工作展望 | 第61-62页 |
| 参考文献 | 第62-64页 |
| 致谢 | 第64-66页 |
| 作者简介 | 第66-67页 |