| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 图像去噪的相关背景 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 多尺度变换历史背景及研究现状 | 第9-10页 |
| 1.2.2 神经网络的发展 | 第10-11页 |
| 1.2.3 深度学习简述 | 第11-13页 |
| 1.3 研究目标和研究内容 | 第13-15页 |
| 1.3.1 研究对象和目标 | 第13-14页 |
| 1.3.2 主要研究内容 | 第14-15页 |
| 1.4 论文章节安排 | 第15-16页 |
| 第二章 图像处理相关技术理论 | 第16-33页 |
| 2.1 Contourlet变换历史背景 | 第16-18页 |
| 2.1.1 金字塔滤波器 | 第16-17页 |
| 2.1.2 方向滤波器 | 第17-18页 |
| 2.2 非下采样Contourlet变换 | 第18-21页 |
| 2.2.1 非下采样塔式分解滤波器组 | 第19-20页 |
| 2.2.2 非下采样方向滤波器组 | 第20-21页 |
| 2.3 卷积神经网络 | 第21-33页 |
| 2.3.1 卷积神经网络的内部结构 | 第23-30页 |
| 2.3.2 反向传播 | 第30-33页 |
| 第三章 基于非下采样Contourlet变换的联合建模去噪 | 第33-44页 |
| 3.1 Laplace分布建模去噪 | 第34-35页 |
| 3.2 正态逆高斯分布模型建模 | 第35-37页 |
| 3.3 系数联合 | 第37页 |
| 3.4 具体算法 | 第37-38页 |
| 3.5 实验结果 | 第38-43页 |
| 3.6 本章小结 | 第43-44页 |
| 第四章 基于双阶卷积神经网络的图像去噪 | 第44-59页 |
| 4.1 卷积神经网络结构 | 第44-45页 |
| 4.2 批正则和残差训练 | 第45-46页 |
| 4.2.1 批正则处理 | 第45-46页 |
| 4.2.2 残差网络和残差训练 | 第46页 |
| 4.3 ELUs | 第46-47页 |
| 4.4 双阶卷积神经网络结构 | 第47-49页 |
| 4.5 实验结果 | 第49-58页 |
| 4.6 本章小结 | 第58-59页 |
| 第五章 总结与展望 | 第59-61页 |
| 5.1 总结 | 第59页 |
| 5.2 展望 | 第59-61页 |
| 参考文献 | 第61-66页 |
| 攻读硕士期间发表论文及参加科研情况 | 第66-67页 |
| 致谢 | 第67-68页 |