| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-16页 |
| ·引言 | 第10-11页 |
| ·ICA 的发展及课题研究意义 | 第11-12页 |
| ·ICA 发展现状 | 第11页 |
| ·ICA 研究发展新趋势 | 第11-12页 |
| ·研究意义 | 第12页 |
| ·数字图像处理系统方法研究 | 第12-14页 |
| ·空域法和变换域法 | 第13页 |
| ·数字形态学 | 第13-14页 |
| ·小波图像处理方法 | 第14页 |
| ·独立分量分析图像处理方法 | 第14页 |
| ·本文主要工作安排 | 第14-16页 |
| 第二章 独立分量分析基本理论 | 第16-31页 |
| ·独立分量分析(ICA)基本原理 | 第16-19页 |
| ·ICA 数学模型 | 第16-17页 |
| ·ICA 可解性分析 | 第17-18页 |
| ·独立性度量 | 第18-19页 |
| ·信息论 | 第19-23页 |
| ·不确定性 | 第19-20页 |
| ·信息和熵的定义及其关系 | 第20-22页 |
| ·信息不增加性原理 | 第22-23页 |
| ·高阶统计量 | 第23-26页 |
| ·高阶统计量的定义 | 第23-24页 |
| ·高阶累积量的计算 | 第24-25页 |
| ·高阶累积量的重要性质 | 第25-26页 |
| ·ICA 目标函数 | 第26-29页 |
| ·互信息量最小化目标函数 | 第26-27页 |
| ·信息传输最大化或负熵最大化目标函数 | 第27-28页 |
| ·最大似然目标函数 | 第28-29页 |
| ·独立分量分析的预处理 | 第29-30页 |
| ·中心化 | 第29页 |
| ·白化处理 | 第29-30页 |
| ·降维处理 | 第30页 |
| 本章小结 | 第30-31页 |
| 第三章 图像去噪算法简介 | 第31-44页 |
| ·图像噪声 | 第31-33页 |
| ·图像噪声模型 | 第31-32页 |
| ·图像噪声的分类 | 第32-33页 |
| ·传统图像去噪 | 第33-39页 |
| ·小波变换域去噪方法 | 第33-36页 |
| ·维纳滤波去噪 | 第36-38页 |
| ·中值滤波 | 第38-39页 |
| ·性能评价方法 | 第39-40页 |
| ·仿真实验及评价 | 第40-43页 |
| 本章小结 | 第43-44页 |
| 第四章 基于独立分量分析（ICA）图像去噪算法的研究 | 第44-53页 |
| ·图像去噪问题引入独立分量分析的意义 | 第44页 |
| ·基于 ICA 去噪方法 | 第44-46页 |
| ·Infomax 算法 | 第46-48页 |
| ·FastICA 算法 | 第48-52页 |
| ·牛顿迭代法 | 第48-50页 |
| ·FastICA 算法 | 第50-52页 |
| ·独立分量分析算法的选择 | 第52页 |
| 本章小结 | 第52-53页 |
| 第五章 基于核独立分量分析（KICA）的图像去噪算法研究与仿真分析 | 第53-63页 |
| ·核方法 | 第53-54页 |
| ·核独立分量分析（Kernel-ICA）算法 | 第54-56页 |
| ·改进的 KICA 算法研究 | 第56-57页 |
| ·仿真实验与性能评价 | 第57-62页 |
| ·KICA 图像分离仿真实验 | 第57-59页 |
| ·KICA 图像去噪仿真实验 | 第59-62页 |
| 本章小结 | 第62-63页 |
| 总结 | 第63-65页 |
| 参考文献 | 第65-68页 |
| 攻读硕士学位期间发表的学术论文 | 第68-69页 |
| 致谢 | 第69-70页 |