| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 1 绪论 | 第7-13页 |
| ·引言 | 第7页 |
| ·盲信号分离技术国内外研究现状 | 第7-10页 |
| ·盲源分离理论的应用现状 | 第10-11页 |
| ·扫描图像去噪问题描述 | 第11页 |
| ·本文的主要研究工作 | 第11-13页 |
| 2 常规去噪方法在扫描图像去噪问题中的应用 | 第13-18页 |
| ·灰度最小方差的均值滤波器 | 第13-15页 |
| ·灰度最小方差均值滤波原理 | 第13-14页 |
| ·实验仿真 | 第14-15页 |
| ·对称近邻均值滤波器 | 第15-17页 |
| ·对称近邻均值滤波原理 | 第15-16页 |
| ·实验仿真 | 第16-17页 |
| ·本章小结 | 第17-18页 |
| 3 独立分量分析 | 第18-30页 |
| ·统计分析理论 | 第18-21页 |
| ·随机变量的一、二阶统计特性分析 | 第18-19页 |
| ·随机变量的高阶统计特性分析 | 第19-21页 |
| ·信息熵理论 | 第21-25页 |
| ·熵 | 第21-22页 |
| ·Kullback-Leibler散度 | 第22-23页 |
| ·互信息 | 第23-24页 |
| ·负熵 | 第24-25页 |
| ·ICA的基本理论 | 第25-29页 |
| ·ICA数学模型 | 第25-26页 |
| ·ICA的限定条件 | 第26-27页 |
| ·独立性测度 | 第27-28页 |
| ·数据预处理 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 4 Infomax算法在扫描图像去噪问题中的应用 | 第30-41页 |
| ·自然梯度 | 第30-31页 |
| ·标准梯度 | 第30页 |
| ·自然梯度的性质 | 第30-31页 |
| ·Infomax算法 | 第31-35页 |
| ·Infomax算法原理 | 第31-34页 |
| ·亚高斯概率分布的学习规则 | 第34-35页 |
| ·实验仿真 | 第35-40页 |
| ·Infomax算法仿真 | 第35-37页 |
| ·扫描图像去噪实验及分析 | 第37-40页 |
| ·本章小结 | 第40-41页 |
| 5 FastICA算法在扫描图像去噪问题中的应用 | 第41-50页 |
| ·牛顿迭代法 | 第41-42页 |
| ·FastICA算法 | 第42-45页 |
| ·FastICA算法原理 | 第42-43页 |
| ·目标函数的选择 | 第43页 |
| ·单个信号的FastICA算法 | 第43-44页 |
| ·多个信号的FastICA算法 | 第44-45页 |
| ·实验仿真 | 第45-49页 |
| ·FastICA算法仿真 | 第45-46页 |
| ·扫描图像去噪实验及分析 | 第46-49页 |
| ·本章小结 | 第49-50页 |
| 6 基于广义特征值的ICA算法在扫描图像去噪问题中的应用 | 第50-57页 |
| ·广义特征值问题 | 第50页 |
| ·基于广义特征值的ICA算法 | 第50-53页 |
| ·提出目标函数 | 第50-52页 |
| ·求解目标函数的最优解 | 第52-53页 |
| ·实验仿真 | 第53-56页 |
| ·算法仿真 | 第53-54页 |
| ·扫描图像去噪实验及分析 | 第54-56页 |
| ·本章小结 | 第56-57页 |
| 7 总结与展望 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-62页 |