| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第7-11页 |
| 1.1 研究背景 | 第7-8页 |
| 1.2 国内外研究现状和趋势 | 第8-10页 |
| 1.3 本文的主要工作 | 第10-11页 |
| 第二章 图像去噪基础 | 第11-25页 |
| 2.1 噪声类型及去噪评价标准 | 第11-15页 |
| 2.1.1 噪声分类及其数学模型 | 第11-13页 |
| 2.1.2 图像噪声去除的评价标准 | 第13-15页 |
| 2.2 图像去噪定义 | 第15-17页 |
| 2.3 传统的图像去噪方法 | 第17-19页 |
| 2.3.1 均值滤波 | 第17-18页 |
| 2.3.2 中值滤波 | 第18页 |
| 2.3.3 维纳滤波 | 第18-19页 |
| 2.4 PCNN模型 | 第19-24页 |
| 2.4.1 PCNN模型 | 第19-21页 |
| 2.4.2 PCNN的工作原理 | 第21-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章 小波变换图像去噪 | 第25-47页 |
| 3.1 小波变换图像去噪 | 第25-31页 |
| 3.1.1 斑点噪声 | 第25-26页 |
| 3.1.2 小波阈值去噪 | 第26-28页 |
| 3.1.3 改进的自适应阈值去噪算法 | 第28-31页 |
| 3.2 基于形态学的小波阈值去噪算法 | 第31-36页 |
| 3.2.1 数学形态学理论 | 第31-32页 |
| 3.2.2 形态学小波阈值去噪算法 | 第32-33页 |
| 3.2.3 实验结果及分析 | 第33-36页 |
| 3.3 基于维纳滤波与小波相融合的图像去噪算法 | 第36-43页 |
| 3.3.1 维纳滤波器 | 第36-37页 |
| 3.3.2 基于小波分析的图像融合算法 | 第37-40页 |
| 3.3.3 维纳滤波和小波相融合的图像去噪 | 第40-41页 |
| 3.3.4 实验结果 | 第41-43页 |
| 3.4 基于维纳滤波与PCNN小波相融合的图像去噪算法 | 第43-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第四章 基于PCNN和图像熵的各向异性扩散模型 | 第47-68页 |
| 4.1. 各向异性扩散的基本理论 | 第47-51页 |
| 4.1.1 各向异性扩散的行为分析 | 第47-49页 |
| 4.1.2 各向异性扩散的病态性质 | 第49-51页 |
| 4.2 IEAD模型 | 第51-52页 |
| 4.3 PCNN与图像熵的图像去噪 | 第52-67页 |
| 4.3.1 新模型的建立过程 | 第52-55页 |
| 4.3.2 新模型的AOS数值算法 | 第55-56页 |
| 4.3.3 实验结果与分析 | 第56-67页 |
| 4.4 本章小结 | 第67-68页 |
| 第五章 总结与展望 | 第68-70页 |
| 5.1 总结 | 第68-69页 |
| 5.2 展望 | 第69-70页 |
| 参考文献 | 第70-76页 |
| 致谢 | 第76-77页 |
| 作者简介 | 第77页 |