| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 引言 | 第9-17页 |
| 1.1 研究背景及研究意义 | 第9-10页 |
| 1.1.1 数字图像压缩的必要性 | 第9页 |
| 1.1.2 图像压缩产生的失真 | 第9-10页 |
| 1.1.3 压缩图像降噪的意义 | 第10页 |
| 1.2 压缩图像蚊式噪声降噪 | 第10-13页 |
| 1.2.1 蚊式噪声简介 | 第10-11页 |
| 1.2.2 蚊式噪声降噪国内外研究现状 | 第11-13页 |
| 1.3 本文主要研究内容和创新点 | 第13-14页 |
| 1.3.1 主要研究内容 | 第13-14页 |
| 1.3.2 特色与创新之处 | 第14页 |
| 1.4 本文论文架构 | 第14-17页 |
| 第2章 图像降噪理论基础 | 第17-27页 |
| 2.1 数字图像描述 | 第17页 |
| 2.2 传统数字图像降噪方法 | 第17-19页 |
| 2.2.1 空间域降噪 | 第18页 |
| 2.2.2 频率域降噪 | 第18-19页 |
| 2.3 经典空域滤波器 | 第19-24页 |
| 2.3.1 均值滤波器 | 第20-21页 |
| 2.3.2 中值滤波器 | 第21-23页 |
| 2.3.3 高斯滤波器 | 第23-24页 |
| 2.4 图像降噪性能评价指标 | 第24-26页 |
| 2.4.1 质量主观评价标准 | 第24-25页 |
| 2.4.2 质量客观评价标准 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 基于自适应递归ε-滤波器的蚊式噪声降噪算法 | 第27-43页 |
| 3.1 压缩图像蚊式降噪的目标 | 第27-28页 |
| 3.2 传统ε-滤波器介绍 | 第28-34页 |
| 3.2.1 一维ε-滤波器基本原理 | 第29-30页 |
| 3.2.2 二维ε-滤波器基本原理 | 第30-31页 |
| 3.2.3 ε-滤波器重要参数分析 | 第31-32页 |
| 3.2.4 递归ε-滤波器(REF)算法和流程 | 第32-34页 |
| 3.3 基于局部标准差自适应的递归ε-滤波器去除蚊式噪声应用 | 第34-37页 |
| 3.3.1 局部标准差自适应递归ε-滤波器基本原理 | 第34-35页 |
| 3.3.2 自适应的ε动态阂值生成算法 | 第35-36页 |
| 3.3.3 基于局部标准差自适应递归ε-滤波器算法流程 | 第36-37页 |
| 3.4 实验结果与分析 | 第37-42页 |
| 3.4.1 主观评价 | 第38-40页 |
| 3.4.2 客观评价 | 第40-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第4章 基于自适应双边滤波的蚊式噪声降噪算法 | 第43-59页 |
| 4.1 传统的双边滤波器 | 第43-48页 |
| 4.1.1 双边滤波基本原理 | 第43-46页 |
| 4.1.2 双边滤波重要参数分析 | 第46-47页 |
| 4.1.3 双边滤波在图像降噪中应用 | 第47-48页 |
| 4.2 双边滤波算法应用于蚊式噪声降噪 | 第48-52页 |
| 4.2.1 传统双边滤波应用于蚊式噪声降噪 | 第48-49页 |
| 4.2.2 基于灰度差值的双边滤波基本原理 | 第49-50页 |
| 4.2.3 自适应的动态阈值生成算法 | 第50-51页 |
| 4.2.4 基于灰度差值的自适应双边滤波算法流程 | 第51-52页 |
| 4.3 实验结果和分析 | 第52-57页 |
| 4.3.1 主观评价 | 第53-54页 |
| 4.3.2 客观评价 | 第54-57页 |
| 4.4 本章小结 | 第57-59页 |
| 第5章 总结与展望 | 第59-61页 |
| 5.1 工作总结 | 第59-60页 |
| 5.2 展望 | 第60-61页 |
| 参考文献 | 第61-67页 |
| 致谢 | 第67-69页 |
| 硕士研究生期间获得研究成果 | 第69页 |
