面向移动物联网应用的小波图像去噪及压缩方法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-13页 |
| ·研究背景及意义 | 第9-10页 |
| ·国内外研究现状分析 | 第10-11页 |
| ·本文的主要内容 | 第11页 |
| ·本文的组织结构 | 第11-13页 |
| 第二章 小波分析的理论基础 | 第13-20页 |
| ·连续小波变换 | 第13-14页 |
| ·小波的定义 | 第13-14页 |
| ·连续小波变换 | 第14页 |
| ·离散小波变换 | 第14-15页 |
| ·多尺度分析 | 第15-17页 |
| ·多尺度分析 | 第16页 |
| ·双尺度方程 | 第16-17页 |
| ·图像小波变换的实现 | 第17-19页 |
| ·二维小波变换 | 第17-18页 |
| ·Mallat 算法 | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 第三章 小波收缩去噪方法 | 第20-35页 |
| ·图像去噪的必要性 | 第20页 |
| ·小波收缩去噪方法概述 | 第20-21页 |
| ·小波收缩去噪基本思想 | 第20-21页 |
| ·传统的小波收缩去噪算法 | 第21页 |
| ·小波收缩去噪的关键因素 | 第21-22页 |
| ·收缩阈值 | 第22-28页 |
| ·传统收缩阈值及其不足 | 第22-23页 |
| ·小波域内的球坐标变换的新定义 | 第23-24页 |
| ·一种新的基于 Besov 空间范数的阈值 | 第24-27页 |
| ·一种新的球坐标系下的多尺度阈值 | 第27-28页 |
| ·收缩函数 | 第28-31页 |
| ·传统的收缩函数 | 第28-29页 |
| ·改进的收缩函数 | 第29-31页 |
| ·多尺度模积 | 第31-33页 |
| ·小波域内的多尺度积 | 第31-32页 |
| ·一种新的球坐标系下的多尺度模积 | 第32-33页 |
| ·改进的球坐标下的小波收缩算法 | 第33-34页 |
| ·改进算法的具体步骤 | 第33-34页 |
| ·改进算法的优点 | 第34页 |
| ·本章小结 | 第34-35页 |
| 第四章 基于小波的图像压缩编码 | 第35-46页 |
| ·图像压缩编码概述 | 第35页 |
| ·DPCM 预测编码 | 第35-36页 |
| ·EZW 编码 | 第36-38页 |
| ·空间小波方向树 | 第36-37页 |
| ·EZW 算法思想 | 第37页 |
| ·EZW 编解码步骤 | 第37-38页 |
| ·SPIHT 编码 | 第38-41页 |
| ·SPIHT 算法中参数的定义 | 第38-39页 |
| ·SPIHT 算法描述 | 第39-40页 |
| ·传统 SPIHT 算法的具体步骤 | 第40-41页 |
| ·改进的图像压缩编码算法 | 第41-45页 |
| ·小波系数预处理 | 第41-42页 |
| ·低频部分编码 | 第42-43页 |
| ·改进的 SPIHT 编码 | 第43-45页 |
| ·本章小结 | 第45-46页 |
| 第五章 实验结果 | 第46-54页 |
| ·实验结果的评估标准 | 第46页 |
| ·改进的小波收缩去噪算法实验结果 | 第46-51页 |
| ·小波分解尺度的选择 | 第46-47页 |
| ·不同阈值化方法作用后的视觉效果图 | 第47-49页 |
| ·不同阈值化方法在不同尺度下的运行时间 | 第49-50页 |
| ·加入椒盐噪声的实验结果 | 第50-51页 |
| ·改进的图像压缩编码算法的性能比较 | 第51-53页 |
| ·不同算法作用后的视觉效果图 | 第51-53页 |
| ·不同算法编解码的运行时间 | 第53页 |
| ·本章小结 | 第53-54页 |
| 第六章 总结与展望 | 第54-56页 |
| ·研究工作总结 | 第54-55页 |
| ·分析与展望 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 发表论文和科研情况说明 | 第60-61页 |
| 致谢 | 第61-62页 |
