| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 研究背景及意义 | 第15页 |
| 1.2 国内外研究现状 | 第15-17页 |
| 1.3 论文的研究创新 | 第17-18页 |
| 1.4 论文的组织结构 | 第18-21页 |
| 第二章 图像去噪算法综述 | 第21-35页 |
| 2.1 引言 | 第21页 |
| 2.2 数字图像去噪的基本理论 | 第21-25页 |
| 2.2.1 噪声的形成和分类 | 第21页 |
| 2.2.2 噪声统计模型分类 | 第21-23页 |
| 2.2.3 经典图像去噪算法 | 第23-25页 |
| 2.3 BM3D图像去噪算法的基本理论 | 第25-31页 |
| 2.3.1 块匹配分组 | 第25页 |
| 2.3.2 协同滤波 | 第25-27页 |
| 2.3.3 相似块的聚集 | 第27页 |
| 2.3.4 BM3D图像去噪算法概述 | 第27-28页 |
| 2.3.5 BM3D图像去噪算法的具体实现 | 第28-31页 |
| 2.4 图像质量的评估方法 | 第31-33页 |
| 2.4.1 主观评估方法 | 第32-33页 |
| 2.4.2 客观评估方法 | 第33页 |
| 2.5 本章小结 | 第33-35页 |
| 第三章 基于图像聚类的BM3D图像去噪算法 | 第35-47页 |
| 3.1 引言 | 第35页 |
| 3.2 基于K-means的聚类算法概述 | 第35-37页 |
| 3.2.1 K-means算法原理 | 第35-37页 |
| 3.2.2 K-means++算法流程 | 第37页 |
| 3.3 基于图像聚类的BM3D图像去噪算法具体实现 | 第37-42页 |
| 3.3.1 图像聚类的实现 | 第37-40页 |
| 3.3.2 块匹配改进的实现 | 第40-41页 |
| 3.3.3 基于图像聚类的BM3D图像去噪算法的具体实现 | 第41-42页 |
| 3.4 实验结果及分析 | 第42-45页 |
| 3.5 本章小结 | 第45-47页 |
| 第四章 基于边缘检测的BM3D图像去噪算法 | 第47-65页 |
| 4.1 引言 | 第47页 |
| 4.2 边缘检测算法原理概述 | 第47-50页 |
| 4.2.1 边缘检测原理及步骤 | 第47-48页 |
| 4.2.2 边缘检测性能指标 | 第48页 |
| 4.2.3 边缘检测的算子比较 | 第48-50页 |
| 4.3 基于边缘检测的BM3D图像去噪算法的具体实现 | 第50-59页 |
| 4.3.1 基于Canny算子的边缘检测算法 | 第51-54页 |
| 4.3.2 相关参数设定 | 第54-55页 |
| 4.3.3 基于边缘检测的BM3D图像去噪算法的实现 | 第55-56页 |
| 4.3.4 实验结果及分析 | 第56-59页 |
| 4.4 基于图像聚类与边缘检测的图像去噪算法 | 第59-63页 |
| 4.4.1 改进算法实现 | 第59-60页 |
| 4.4.2 实验结果及分析 | 第60-63页 |
| 4.5 本章小结 | 第63-65页 |
| 第五章 总结与展望 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71-73页 |
| 作者简介 | 第73-74页 |
