| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-16页 |
| 1.1 课题研究背景与意义 | 第8页 |
| 1.2 图像复原质量评价标准 | 第8-10页 |
| 1.3 国内外研究现状 | 第10-13页 |
| 1.3.1 全变分去噪算法在模型上的改进 | 第10-11页 |
| 1.3.2 全变分去噪算法在数值计算上的改进 | 第11-12页 |
| 1.3.3 现存的问题及难点 | 第12-13页 |
| 1.4 本文主要工作及章节安排 | 第13-16页 |
| 1.4.1 本文主要工作 | 第13页 |
| 1.4.2 本文章节安排 | 第13-16页 |
| 2 基于Curvelet变换的加权全变分图像去噪算法 | 第16-34页 |
| 2.1 算法框架 | 第16-17页 |
| 2.2 基于Curvelet变换的含噪图像分解 | 第17-21页 |
| 2.3 基于加权全变分模型的图像去噪算法 | 第21-26页 |
| 2.3.1 全变分图像去噪模型 | 第21-23页 |
| 2.3.2 加权全变分模型去噪 | 第23-26页 |
| 2.3.3 Curvelet逆变换得到去噪后图像 | 第26页 |
| 2.4 实验结果与分析 | 第26-32页 |
| 2.4.1 加权全变分模型实验 | 第26-28页 |
| 2.4.2 基于Curvelet变换的加权全变分图像去噪算法实验 | 第28-32页 |
| 2.5 本章小结 | 第32-34页 |
| 3 自适应权重全变分图像去噪算法 | 第34-48页 |
| 3.1 算法框架 | 第34-35页 |
| 3.2 基于结构张量和非局部均值滤波的边缘检测 | 第35-37页 |
| 3.3 自适应范式设置和权重设置 | 第37-40页 |
| 3.3.1 几种重要的自适应全变分图像去噪算法 | 第37-39页 |
| 3.3.2 自适应范式设置 | 第39-40页 |
| 3.3.3 权重设置 | 第40页 |
| 3.4 保真项的修改 | 第40-41页 |
| 3.5 模型的求解 | 第41-42页 |
| 3.6 实验结果与分析 | 第42-47页 |
| 3.6.1 参数的确定 | 第42页 |
| 3.6.2 主观评价结果与分析 | 第42-46页 |
| 3.6.3 客观评价结果与分析 | 第46-47页 |
| 3.7 本章小结 | 第47-48页 |
| 4 系统与实现 | 第48-54页 |
| 4.1 系统模块框架 | 第48-49页 |
| 4.2 系统实现 | 第49-52页 |
| 4.3 系统运行环境 | 第52页 |
| 4.4 本章小结 | 第52-54页 |
| 5 总结与展望 | 第54-56页 |
| 5.1 总结 | 第54-55页 |
| 5.2 研究展望 | 第55-56页 |
| 致谢 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 附录 | 第62页 |