| 摘要 | 第3-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 图像降噪研究的背景与意义 | 第9页 |
| 1.2 图像降噪的研究现状 | 第9-12页 |
| 1.3 图像噪声评估算法的研究现状 | 第12页 |
| 1.4 图像噪声评估算法存在的问题 | 第12-13页 |
| 1.5 研究内容 | 第13-14页 |
| 1.6 章节安排 | 第14-15页 |
| 第2章 相关技术背景介绍 | 第15-25页 |
| 2.1 常见的图像噪声类型 | 第15-17页 |
| 2.1.1 高斯噪声 | 第16页 |
| 2.1.2 信号相关噪声模型 | 第16-17页 |
| 2.1.3 脉冲噪声模型 | 第17页 |
| 2.2 常用的图像噪声评估算法 | 第17-23页 |
| 2.2.1 快速噪声方差评估算法 | 第17-18页 |
| 2.2.2 基于图像尺度不变性的噪声评估算法 | 第18-20页 |
| 2.2.3 基于PCA和弱纹理图像块的噪声评估算法 | 第20-23页 |
| 2.3 非局部均值图像降噪算法 | 第23-24页 |
| 2.4 小结 | 第24-25页 |
| 第3章 基于图像质量感知特征和局部均值的快速噪声水平估计算法 | 第25-42页 |
| 3.1 基本思想 | 第25-26页 |
| 3.2 基于自然统计模型的特征提取算法 | 第26-36页 |
| 3.2.1 BIQI特征提取算法 | 第26-28页 |
| 3.2.2 IL-NIQE特征提取算法 | 第28-33页 |
| 3.2.3 BRISQUE特征提取算法 | 第33-36页 |
| 3.3 LM-NLE噪声评估理论 | 第36-38页 |
| 3.4 基于K-means聚类的快速LM-NLE估计算法 | 第38-40页 |
| 3.5 FLM-NLE算法整体框架 | 第40-41页 |
| 3.6 小结 | 第41-42页 |
| 第4章 实验与分析 | 第42-56页 |
| 4.1 实验配置以及相关参数设置 | 第42-45页 |
| 4.2 FLM-NLE算法实验分析 | 第45-50页 |
| 4.3 三维滤波降噪理论与方法 | 第50-52页 |
| 4.4 IBM3D算法实验分析 | 第52-55页 |
| 4.5 小结 | 第55-56页 |
| 第5章 总结与展望 | 第56-58页 |
| 5.1 总结 | 第56-57页 |
| 5.2 展望 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 攻读学位期间的研究成果 | 第63页 |
