首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于概率特征描述子的非局部均值图像去噪方法的研究

摘要第4-5页
ABSTRACT第5页
缩略词第11-13页
第一章 绪论第13-17页
    1.1 研究背景和意义第13页
    1.2 国内外研究现状第13-16页
    1.3 研究内容和章节安排第16-17页
第二章 图像去噪算法的理论基础第17-29页
    2.1 引言第17页
    2.2 图像的噪声的模型第17-18页
    2.3 去噪效果评价标准第18-21页
        2.3.1 客观标准第19-20页
        2.3.2 主观标准第20-21页
    2.4 经典的图像去噪算法第21-28页
        2.4.1 均值滤波器第22页
        2.4.2 中值滤波器第22页
        2.4.3 维纳滤波器第22-23页
        2.4.4 小波滤波器第23-24页
        2.4.5 双边滤波器第24-25页
        2.4.6 非局部均值滤波器第25-27页
        2.4.7 块匹配三维滤波第27-28页
    2.5 本章小结第28-29页
第三章 基于特征的NLM-LBD图像去噪方法第29-40页
    3.1 引言第29页
    3.2 局部二值模式第29-31页
        3.2.1 二值特征描述第29-30页
        3.2.2 基本局部二值模式第30-31页
        3.2.3 局部二值模式的特点第31页
    3.3 基于结构特征的NLM-LBD滤波第31-39页
        3.3.1 LBD描述子第31-33页
        3.3.2 相似块匹配第33-34页
        3.3.3 NLM-LBD算法流程第34-36页
        3.3.4 实验分析第36-39页
    3.4 本章小结第39-40页
第四章 基于PNLM的光相干断层成像(OCT)的去噪算法第40-56页
    4.1 引言第40页
    4.2 光相干断层成像技术第40-43页
        4.2.1 OCT基本工作原理第40-41页
        4.2.2 OCT成像的特点第41-43页
    4.3 OCT图像退化模型第43-45页
        4.3.1 OCT噪声类型第43-44页
        4.3.2 处理方法第44页
        4.3.3 评估方法第44-45页
    4.4 基于PNLM-LBD的OCT图像去噪算法第45-55页
        4.4.1 PNLM算法第45-48页
        4.4.2 PNLM-LBD算法第48-50页
        4.4.3 实验分析第50-55页
    4.5 本章小结第55-56页
第五章 GPU并行加速实现第56-66页
    5.1 引言第56页
    5.2 GPU开发环境第56-60页
        5.2.1 CUDA架构第56-58页
        5.2.2 CUDA编程模型第58-60页
    5.3 基于CUDA的去噪算法研究第60-63页
        5.3.1 算法并行性分析第60-61页
        5.3.2 PNLM-LBD算法在CUDA上的实现第61-63页
    5.4 算法在GPU和CPU上的性能比较第63-65页
        5.4.1 测试环境配置第63-64页
        5.4.2 CUDA程序的性能评估第64-65页
    5.5 本章小结第65-66页
第六章 总结与展望第66-68页
    6.1 本文工作总结第66页
    6.2 后期工作展望第66-68页
参考文献第68-75页
致谢第75-76页
在学期间的研究成果及发表的学术论文第76页

论文共76页,点击 下载论文
上一篇:抗介质超高频RFID标签研究
下一篇:机器视觉系统下机车轮对踏面全景生成技术研究