| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 图像去噪的研究背景及意义 | 第8-9页 |
| 1.2 图像去噪的研究现状 | 第9-12页 |
| 1.2.1 空间域去噪方法 | 第9-11页 |
| 1.2.2 变换域去噪方法 | 第11-12页 |
| 1.3 图像噪声模型 | 第12-14页 |
| 1.4 论文的研究内容 | 第14页 |
| 1.5 论文的结构安排 | 第14-16页 |
| 第二章 非局部均值图像去噪理论 | 第16-23页 |
| 2.1 基于邻域平均的图像去噪算法 | 第16-17页 |
| 2.2 非局部均值去噪算法 | 第17-20页 |
| 2.2.1 非局部均值去噪算法原理 | 第17页 |
| 2.2.2 非局部均值去噪算法实现 | 第17-18页 |
| 2.2.3 非局部均值去噪算法说明 | 第18-20页 |
| 2.3 图像质量评价标准 | 第20-22页 |
| 2.3.1 客观评价标准 | 第20-22页 |
| 2.3.2 主观评价标准 | 第22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 基于边缘检测的自适应非局部均值去噪算法研究及实现 | 第23-31页 |
| 3.1 滤波参数对去噪性能的影响 | 第23-24页 |
| 3.2 基于边缘检测的自适应非局部均值去噪算法 | 第24-29页 |
| 3.2.1 基于边缘结构图的图像子块相似度分析 | 第24-25页 |
| 3.2.2 滤波参数的自适应选取 | 第25-26页 |
| 3.2.3 基于边缘检测的自适应非局部均值算法的实现步骤 | 第26页 |
| 3.2.4 实验结果及分析 | 第26-29页 |
| 3.3 本章小结 | 第29-31页 |
| 第四章 基于图像多特征融合的非局部均值去噪算法研究及实现 | 第31-41页 |
| 4.1 局部二值模式的图像纹理特征 | 第31-33页 |
| 4.1.1 LBP算子概述 | 第31-32页 |
| 4.1.2 LBP特点及应用 | 第32-33页 |
| 4.2 多特征融合的相似性度量 | 第33-35页 |
| 4.2.1 基于图像灰度值的相似度 | 第33-34页 |
| 4.2.2 基于LBP特征的相似度 | 第34页 |
| 4.2.3 多特征融合的加权相似性度量 | 第34-35页 |
| 4.3 基于图像多特征融合的非局部均值去噪算法 | 第35-40页 |
| 4.3.1 权值改进 | 第35页 |
| 4.3.2 基于图像多特征融合的非局部均值去噪算法的实现步骤 | 第35-36页 |
| 4.3.3 实验结果及分析 | 第36-40页 |
| 4.4 本章小结 | 第40-41页 |
| 第五章 结合非局部先验的复合正则化图像去噪算法研究及实现 | 第41-53页 |
| 5.1 基于正则化方法的图像去噪理论 | 第41-44页 |
| 5.1.1 正则化去噪的基本概念 | 第41-42页 |
| 5.1.2 正则化去噪模型的说明 | 第42-44页 |
| 5.2 图像去噪的TV模型 | 第44-45页 |
| 5.3 结合非局部先验的复合正则化图像去噪算法 | 第45-52页 |
| 5.3.1 非局部结构自相似性正则化先验 | 第45-46页 |
| 5.3.2 复合正则化去噪模型提出 | 第46-47页 |
| 5.3.3 模型的求解 | 第47-48页 |
| 5.3.4 实验结果及分析 | 第48-52页 |
| 5.4 本章小结 | 第52-53页 |
| 第六章 总结与展望 | 第53-55页 |
| 6.1 总结 | 第53页 |
| 6.2 展望 | 第53-55页 |
| 参考文献 | 第55-57页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第57-58页 |
| 附录2 攻读硕士学位期间申请的专利 | 第58-59页 |
| 附录3 攻读硕士学位期间参加的科研项目 | 第59-60页 |
| 致谢 | 第60页 |
