本书在对经典图像降噪方法总结及图像降噪研究现状分析的基础上，分别针对灰度图像和彩色图像中不同类型噪声的特点，围绕脉冲耦合神经网络及其改进模型、数学形态学、方差稳定变换、模糊集与模糊度量、小波变换等理论与方法，介绍相应降噪方法的算法原理及实验结果；最后，对基于交叉皮层模型的图像降噪方法实现过程及实验结果进行介绍，包括实现过程中的问题及解决方案，可为读者构建完整的图像处理硬件系统提供范例。 本书可供智能信息处理、模式识别、数字信号处理、软计算理论、计算机视觉、通信与图像工程、生物医学图像处理等信息学科相关领域工程技术人员参考使用，也可供数字信号处理、数字图像分析及处理专业相关研究人员和高校师生阅读参考。

前言
第1章 绪论
1.1 图像噪声概述
1.1.1 图像噪声的特点
1.1.2 图像降噪的难点问题
1.2 图像噪声分类
1.2.1 按影响图像质量的噪声源分类
1.2.2 按噪声产生的原因分类
1.2.3 按噪声和信号的关系分类
1.2.4 按噪声统计学特性分类
1.2.5 按噪声概率密度函数分布规律分类
1.2.6 按噪声频谱形状分类
1.3 图像降噪方法概述
1.3.1 传统图像降噪方法
1.3.2 其他滤波方法
1.3.3 常见图像噪声的去除
1.3.4 基于深度学习技术的图像降噪
1.4 本章小结
参考文献
第2章 图像降噪基本理论和方法
2.1 脉冲耦合神经网络
2.1.1 神经网络概述
2.1.2 三种典型视觉皮层神经网络模型
2.1.3 三种模型之间的关系
2.2 数学形态学
2.3 方差稳定变换
2.3.1 方差稳定变换相关理论
2.3.2 方差稳定变换逆变换
2.4 模糊集与模糊度量
2.4.1 模糊集基本理论
2.4.2 模糊度量基本理论
2.5 基于小波变换的信号降噪
2.5.1 小波降噪原理
2.5.2 小波降噪方法
2.6 本章小结
参考文献
第3章 灰度图像降噪
3.1 基于全方位多角度自适应形态学滤波器的图像降噪
3.1.1 全方位多角度自适应形态学滤波器
3.1.2 实验仿真与性能分析
3.2 基于PCNN的脉冲噪声图像降噪
3.2.1 PCNN与中值滤波相结合的脉冲噪声滤波器
3.2.2 PCNN与形态学滤波相结合的脉冲噪声滤波器
3.2.3 实验结果对比
3.3 基于方差稳定变换的泊松噪声图像降噪
3.3.1 泊松噪声降噪方法
3.3.2 高斯噪声滤波器
3.3.3 实验仿真及结果
3.4 基于PCNN的高斯噪声图像降噪
3.4.1 基于简化PCNN模型的高斯噪声滤波器
3.4.2 基于PCNN赋时矩阵的高斯噪声滤波
3.4.3 实验仿真结果与分析
3.5 基于对偶Contourlet变换的图像降噪
3.5.1 对偶Contourlet变换结构及特性
3.5.2 对偶Contourlet变换在图像降噪中的应用
3.5.3 实验仿真结果与分析
3.6 本章小结
参考文献
第4章 彩色图像降噪
4.1 彩色柔性形态学模糊模型的设计及其实现
4.1.1 HSV彩色空间
4.1.2 基于模糊集合的矢量排序方案
4.1.3 彩色柔性形态学腐蚀、膨胀定义
4.1.4 实验结果与分析
4.2 基于标量计算的自适应降噪方法
4.2.1 模糊度量
4.2.2 SCM与基于标量计算的自适应降噪方法相结合
4.2.3 实验结果与分析
4.3 基于标量与矢量的自适应降噪方法
4.3.1 基于标量与矢量滤波器的优缺点
4.3.2 SCM与基于标量和矢量的自适应降噪方法相结合
4.3.3 实验结果与分析
4.4 基于四元数变换的图像色彩评价指标
4.4.1 四元数的概念
4.4.2 实验结果及分析
4.5 本章小结
参考文献
第5章 基于ICM的图像降噪算法的硬件实现
5.1 神经网络的硬件实现
5.2 硬件实现概述及FPGA技术
5.2.1 图像处理的硬件实现方法
5.2.2 FPGA基本原理与设计方法
5.2.3 硬件描述语言
5.2.4 FPGA设计平台简介
5.3 基于硬件编程技术的图像降噪硬件实现
5.3.1 硬件设计框图
5.3.2 关键性模块设计
5.4 基于NiosⅡ的图像降噪硬件实现
5.4.1 NiosⅡ软核处理器简介
5.4.2 硬件设计原理
5.4.3 软件设计原理
5.5 实验过程及结果
5.5.1 基于硬件编程技术的图像降噪结果分析
5.5.2 基于NiosⅡ软核的图像降噪结果分析
5.5.3 综合实验结果分析和讨论
5.6 本章小结
参考文献