支持向量机在小波包去噪方法中的应用

摘要	第1-5页
ABSTRACT	第5-14页
第一章 绪论	第14-22页
·研究背景	第14页
·研究现状	第14-18页
·空域去噪方法	第15-16页
·变换域去噪方法	第16-18页
·支持向量机方法的提出和研究现状	第18-19页
·本文的主要研究内容	第19-21页
·论文章节安排和主要内容介绍	第21-22页
第二章 基于小波包分析的图像去噪原理及仿真	第22-36页
·小波分析	第22-31页
·连续小波变换	第22-24页
·离散小波变换	第24页
·多分辨率分析	第24-25页
·Mallat 方法	第25-28页
·平稳小波变换	第28-30页
·二维图像的小波分解与重构	第30-31页
·小波包分析	第31-34页
·小波包分析的数学描述	第32-33页
·小波包的分解	第33页
·小波包的重构	第33-34页
·小波包去噪方法的MATLAB 仿真	第34-35页
·本章小结	第35-36页
第三章 支持向量机学习方法及应用	第36-45页
·传统学习分类方法	第36页
·传统学习分类方法存在的问题	第36-38页
·统计学习理论及支持向量机	第38-42页
·统计学习理论	第38-40页
·支持向量机分类方法的数学描述	第40-42页
·支持向量机学习算法	第42-43页
·分块算法	第42-43页
·工作集选择算法	第43页
·序列最小优化算法	第43页
·支持向量机的应用研究	第43-44页
·支持向量机在模式识中的应用	第44页
·支持向量机在回归分析中的应用	第44页
·本章小结	第44-45页
第四章 支持向量机在小波包去噪方法中的应用	第45-57页
·概述	第45页
·传统去噪方法存在的缺点	第45-49页
·基于傅里叶变换的去噪方法及其存在的缺点	第45-46页
·基于小波变换的去噪方法及其存在的缺点	第46-47页
·基于小波包变换的去噪方法及其存在的缺点	第47-49页
·支持向量机在小波包去噪方法中的应用	第49-53页
·图像小波包分解的特点	第49-50页
·支持向量机分类的特点	第50-51页
·支持向量机的引入及新的去噪方法的提出	第51-53页
·支持向量机在小波包去噪方法中的具体实现	第53-55页
·图像的小波包分解	第53页
·支持向量机参数选择	第53-55页
·小波包节点系数分类并重构	第55页
·去噪方法性能评价	第55-56页
·小结	第56-57页
第五章 仿真与验证	第57-77页
·含噪图像的小波包分解	第58-60页
·含随机噪声的图像小波包分解	第58页
·含高斯噪声的图像小波包分解	第58-59页
·含椒盐噪声的图像小波包分解	第59-60页
·支持向量机参数的确定	第60-67页
·随机噪声的支持向量机参数的确定	第61-62页
·高斯噪声的支持向量机参数的确定	第62-64页
·椒盐噪声的支持向量机参数的确定	第64-65页
·搜索区间对于支持向量机参数的影响	第65-67页
·支持向量机分类及分析	第67-69页
·含随机噪声图像分类及分析	第67-68页
·含高斯噪声图像分类及分析	第68页
·含椒盐噪声图像分类及分析	第68-69页
·三类含噪图像分类对比分析	第69页
·小波包重构与去噪效果分析	第69-76页
·随机噪声小波包重构与去噪效果分析	第70-71页
·高斯噪声小波包重构与去噪效果分析	第71-73页
·椒盐噪声小波包重构与去噪效果分析	第73-75页
·结论	第75-76页
·小结	第76-77页
第六章 结束语	第77-79页
·工作总结	第77页
·工作展望	第77-79页
参考文献	第79-82页
致谢	第82-83页
攻读硕士学位期间发表的学术论文	第83-85页