| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章：引言 | 第7-12页 |
| 1.1 数字图像处理的背景 | 第7-8页 |
| 1.2 图像噪声与图像去噪 | 第8-10页 |
| 1.3 文章的主要内容与结构 | 第10-12页 |
| 第2章：超声图像去噪 | 第12-27页 |
| 2.1 超声图像及预备知识 | 第12-15页 |
| 2.1.1 超生图像噪声模型 | 第12-13页 |
| 2.1.2 非局部均值滤波 | 第13页 |
| 2.1.3 Wallis滤波及改进模型 | 第13-14页 |
| 2.1.4 Deledalle相似性度量方法 | 第14-15页 |
| 2.2 非局部相似模型及混合模型 | 第15-20页 |
| 2.2.1 基于相似性方法应用于超生噪声模型 | 第15-16页 |
| 2.2.2 S_(DDT)(f_1,f_2)相关性质及实验验证 | 第16-19页 |
| 2.2.3 基于非局部相似项和非局部平滑项的超声图像去噪 | 第19-20页 |
| 2.3 基于非局部相似项和非局部平滑项的图像去噪实验结果 | 第20-26页 |
| 2.4 结论及展望 | 第26-27页 |
| 第3章 极小化非局部全变差变分的邻近算子解法 | 第27-38页 |
| 3.1 基于NLTV正则化的离散化去噪模型 | 第27-30页 |
| 3.1.1 NLTV范数 | 第27-29页 |
| 3.1.2 基于离散的NLTV正则化图像去噪模型 | 第29-30页 |
| 3.2 基于邻近算子的极小化算法 | 第30-33页 |
| 3.2.1 次微分与邻近算子的概念 | 第30-31页 |
| 3.2.2 一般化极小化问题的邻近算子算法 | 第31-32页 |
| 3.2.3 离散NLTV的邻近算子算法 | 第32-33页 |
| 3.3 实验结果 | 第33-37页 |
| 3.4 结论和展望 | 第37-38页 |
| 致谢 | 第38-39页 |
| 参考文献 | 第39-41页 |
