| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-14页 |
| ·图像去噪和边缘提取的问题描述 | 第10-11页 |
| ·图像去噪和边缘提取的研究意义 | 第11-12页 |
| ·本文主要工作及论文组织结构 | 第12-13页 |
| ·本章小结 | 第13-14页 |
| 第二章 图像去噪和边缘提取的研究综述 | 第14-27页 |
| ·图像去噪经典算法 | 第14-16页 |
| ·维纳去噪 | 第14-16页 |
| ·中值去噪 | 第16页 |
| ·边缘提取经典算法 | 第16-19页 |
| ·Sobel 算子 | 第17页 |
| ·Robert 算子 | 第17-18页 |
| ·Prewitt 算子 | 第18页 |
| ·Canny 算子 | 第18-19页 |
| ·传统算法的不足与新方法的引入 | 第19-20页 |
| ·独立分量分析方法 | 第20-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 基于独立分量分析方法的图像去噪算法研究 | 第27-53页 |
| ·基于标准独立分量分析盲信号分离原理的图像去噪 | 第27-28页 |
| ·基于独立分量分析稀疏编码收缩法的图像去噪 | 第28-35页 |
| ·非高斯随机变量的极大似然去噪 | 第30-34页 |
| ·稀疏编码收缩法 | 第34-35页 |
| ·仿真实验与结果分析 | 第35-52页 |
| ·图像的预处理 | 第35-36页 |
| ·独立分量分析模型的输入数据建立 | 第36-37页 |
| ·稀疏变换矩阵的求解 | 第37-40页 |
| ·稀疏变换矩阵和稀疏密度的稀疏性表现 | 第40-42页 |
| ·图像去噪对比实验结果与分析 | 第42-52页 |
| ·本章小结 | 第52-53页 |
| 第四章 引入独立分量分析方法的图像边缘提取算法研究 | 第53-68页 |
| ·基于独立分量分析稀疏编码的图像边缘提取 | 第53-58页 |
| ·图像数据的预处理 | 第53-54页 |
| ·样本模板的求解 | 第54-55页 |
| ·图像特征匹配及边缘提取 | 第55-56页 |
| ·对比实验结果与分析 | 第56-58页 |
| ·基于非负稀疏编码的图像边缘提取 | 第58-67页 |
| ·基本理论 | 第59-62页 |
| ·图像数据的预处理 | 第62页 |
| ·特征基函数的求解 | 第62-63页 |
| ·对比实验结果与分析 | 第63-67页 |
| ·本章小结 | 第67-68页 |
| 第五章 全文总结 | 第68-70页 |
| ·本文的主要内容 | 第68-69页 |
| ·展望 | 第69-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-76页 |
| 攻硕期间取得的成果 | 第76-77页 |
| 附录 | 第77-86页 |