声明
1 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.3 本文的主要研究内容
1.4 本文的章节安排
2 图像去噪算法概述
2.1 图像的噪声分类
2.2 传统的去噪算法
2.2.1 滤波去噪算法
2.2.2 阈值去噪算法
2.3 卷积神经网络的去噪算法
2.3.1 网络的组成结构
2.3.2 常用的网络去噪算法
2.4 图像质量评价标准
2.4.1 主观评价
2.4.2 客观评价
2.5 本章小结
3 基于NSCT域和残差网络的图像去噪算法
3.1 图像的边缘检测技术
3.2 NSCT原理相关
3.2.1 NSCT变换的优势
3.2.2 NSCT变换分解及系数
3.3 算法描述
3.3.1 NSCT域边缘增强
3.3.2 残差去噪网络
3.3.3 损失函数
3.4 网络实现细节
3.4.1 数据集的选择
3.4.2 参数设置
3.5 实验结果分析
3.5.1 主观结果
3.5.2 定量分析
3.6 本章小结
4 基于NSST域和Res2Net网络的图像去噪算法
4.1 NSST原理相关
4.1.1 Shearlet变换
4.1.2 NSST变换
4.2 Res2Net网络
4.3 算法描述
4.3.1 整体网络结构
4.3.2 损失函数
4.4 网络实现细节
4.4.1 数据集的选择
4.4.2 参数设置
4.5实验结果分析
4.5.1 主观结果
4.5.2 定量分析
4.5.3 与基于NSCT域和残差网络的图像去噪算法的结果比较
4.6 本章小结
5 总结和展望
5.1 总结
5.2 展望
致谢
参考文献
攻读硕士学位期间取得的科研成果
西安理工大学;