目錄
前言
第1章 緒論 1
1.1圖像噪聲概述 2
1.1.1圖像噪聲的特點 2
1.1.2圖像降噪的難點問題 3
1.2圖像噪聲分類 4
1.2.1按影響圖像質量的噪聲源分類 4
1.2.2按噪聲產生的原因分類 5
1.2.3按噪聲和信號的關系分類 5
1.2.4按噪聲統(tǒng)計學特性分類 6
1.2.5按噪聲概率密度函數(shù)分布規(guī)律分類 7
1.2.6按噪聲頻譜形狀分類 12
1.3圖像降噪方法概述 12
1.3.1傳統(tǒng)圖像降噪方法 12
1.3.2其他濾波方法 16
1.3.3常見圖像噪聲的去除 19
1.3.4基于深度學習技術的圖像降噪 22
1.4本章小結 31
參考文獻 31
第2章 圖像降噪基本理論和方法 41
2.1脈沖耦合神經(jīng)網(wǎng)絡 41
2.1.1神經(jīng)網(wǎng)絡概述 41
2.1.2三種典型視覺皮層神經(jīng)網(wǎng)絡模型 43
2.1.3三種模型之間的關系 47
2.2數(shù)學形態(tài)學 48
2.3方差穩(wěn)定變換 56
2.3.1方差穩(wěn)定變換相關理論 56
2.3.2方差穩(wěn)定變換逆變換 58
2.4模糊集與模糊度量 62
2.4.1模糊集基本理論 63
2.4.2模糊度量基本理論 68
2.5基于小波變換的信號降噪 70
2.5.1小波降噪原理 70
2.5.2小波降噪方法 72
2.6本章小結 79
參考文獻 79
第3章 灰度圖像降噪 87
3.1基于全方位多角度自適應形態(tài)學濾波器的圖像降噪 88
3.1.1全方位多角度自適應形態(tài)學濾波器 89
3.1.2實驗仿真與性能分析 93
3.2 基于 PCNN的脈沖噪聲圖像降噪 100
3.2.1 PCNN與中值濾波相結合的脈沖噪聲濾波器 101
3.2.2 PCNN與形態(tài)學濾波相結合的脈沖噪聲濾波器 102
3.2.3實驗結果對比 103
3.3基于方差穩(wěn)定變換的泊松噪聲圖像降噪 109
3.3.1泊松噪聲降噪方法 109
3.3.2高斯噪聲濾波器 110
3.3.3實驗仿真及結果 117
3.4 基于 PCNN的高斯噪聲圖像降噪 126
3.4.1基于簡化 PCNN模型的高斯噪聲濾波器 126
3.4.2 基于 PCNN賦時矩陣的高斯噪聲濾波 127
3.4.3實驗仿真結果與分析 130
3.5基于對偶 Contourlet變換的圖像降噪 134
3.5.1 對偶 Contourlet變換結構及特性 135
3.5.2 對偶 Contourlet變換在圖像降噪中的應用 138
3.5.3實驗仿真結果與分析 139
3.6本章小結 141
參考文獻 142
第4章 彩色圖像降噪 145
4.1彩色柔性形態(tài)學模糊模型的設計及其實現(xiàn) 145
4.1.1 HSV彩色空間 146
4.1.2基于模糊集合的矢量排序方案 146
4.1.3彩色柔性形態(tài)學腐蝕、膨脹定義 149
4.1.4實驗結果與分析 151
4.2基于標量計算的自適應降噪方法 153
4.2.1模糊度量 153
4.2.2 SCM與基于標量計算的自適應降噪方法相結合 154
4.2.3實驗結果與分析 155
4.3基于標量與矢量的自適應降噪方法 160
4.3.1基于標量與矢量濾波器的優(yōu)缺點 160
4.3.2 SCM與基于標量和矢量的自適應降噪方法相結合 160
4.3.3實驗結果與分析 163
4.4基于四元數(shù)變換的圖像色彩評價指標 174
4.4.1四元數(shù)的概念 175
4.4.2實驗結果及分析 178
4.5本章小結 180
參考文獻 180
第5章 基于 ICM的圖像降噪算法的硬件實現(xiàn) 184
5.1神經(jīng)網(wǎng)絡的硬件實現(xiàn) 184
5.2硬件實現(xiàn)概述及 FPGA技術 185
5.2.1圖像處理的硬件實現(xiàn)方法 185
5.2.2 FPGA基本原理與設計方法 187
5.2.3硬件描述語言 191
5.2.4 FPGA設計平臺簡介 191
5.3基于硬件編程技術的圖像降噪硬件實現(xiàn) 193
5.3.1硬件設計框圖 193
5.3.2關鍵性模塊設計 195
5.4 基于 NiosⅡ的圖像降噪硬件實現(xiàn) 199
5.4.1 NiosⅡ軟核處理器簡介 199
5.4.2硬件設計原理 199
5.4.3軟件設計原理 200
5.5實驗過程及結果 202
5.5.1基于硬件編程技術的圖像降噪結果分析 202
5.5.2 基于 NiosⅡ軟核的圖像降噪結果分析 203
5.5.3綜合實驗結果分析和討論 204
5.6本章小結 216
參考文獻 216