| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1 绪论 | 第7-17页 |
| 1.1 数字图像去噪的背景及意义 | 第7-8页 |
| 1.2 现有图像去噪的五大类方法 | 第8-10页 |
| 1.2.1 双边滤波法 | 第8页 |
| 1.2.2 条件随机场法 | 第8页 |
| 1.2.3 各向异性扩散法 | 第8-9页 |
| 1.2.4 非局部均值法 | 第9页 |
| 1.2.5 统计模型法 | 第9-10页 |
| 1.3 Shearlet 变换简介 | 第10-15页 |
| 1.3.1 连续 Shearlet 变换 | 第10-12页 |
| 1.3.2 离散 Shearlet 变换 | 第12-15页 |
| 1.4 文章结构与概括 | 第15-17页 |
| 2 基于非下采样 Shearlet 域的 TWSVM 图像去噪 | 第17-25页 |
| 2.1 孪生支持向量机（TWSVM）简介 | 第17-18页 |
| 2.2 基于非下采样 Shearlet 域的 TWSVM 去噪 | 第18-22页 |
| 2.3 实验仿真结果与分析 | 第22-25页 |
| 3 基于扩展 Shearlet 域的 HMT MRF 图像去噪 | 第25-37页 |
| 3.1 统计分析 | 第25-26页 |
| 3.1.1 边缘统计 | 第25-26页 |
| 3.1.2 联合统计 | 第26页 |
| 3.2 使用信息学理论分析依赖关系 | 第26-29页 |
| 3.2.1 互信息估计 | 第26-27页 |
| 3.2.2 估计结果 | 第27-28页 |
| 3.2.3 单个系数的估计 | 第28-29页 |
| 3.3 扩展 Shearlet HMT MRF 混合模型 | 第29-32页 |
| 3.3.1 扩展 Shearlet 域的 HMT MRF 建模 | 第29-30页 |
| 3.3.2 扩展 Shearlet 域 HMT 模型的参数估计 | 第30-32页 |
| 3.4 基于扩展 Shearlet HMT 的图像去噪 | 第32-33页 |
| 3.5 仿真实验结果 | 第33-35页 |
| 3.6 总结 | 第35-37页 |
| 4 基于扩展 Shearlet 域的新型 HMT 模型 | 第37-48页 |
| 4.1 有意义系数的测量 | 第37-38页 |
| 4.2 变换系数大小的统计分布 | 第38-39页 |
| 4.2.1 Bessel K form（BKF）分布及参数估计 | 第38-39页 |
| 4.2.2 高频子带含噪系数的 BKF 模型参数估计 | 第39页 |
| 4.3 含噪系数大小的条件概率密度计算 | 第39-41页 |
| 4.3.1 缺乏意义系数大小的条件概率密度 | 第39-41页 |
| 4.3.2 有意义系数大小的条件概率密度 | 第41页 |
| 4.4 系数尺度间平均圆锥比率概率密度的计算 | 第41页 |
| 4.5 获得有意义系数测量的联合概率密度 | 第41-42页 |
| 4.6 建立新型 HMT 树 | 第42-44页 |
| 4.7 使用贝叶斯规则进行去噪 | 第44页 |
| 4.8 算法描述 | 第44-46页 |
| 4.9 仿真实验结果 | 第46-48页 |
| 5 总结 | 第48-50页 |
| 5.1 研究工作总结与创新 | 第48页 |
| 5.2 未来发展展望 | 第48-50页 |
| 参考文献 | 第50-54页 |
| 攻读硕士学位期间发表学术论文及参加科研项目情况 | 第54-55页 |
| 致谢 | 第55页 |
