| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-18页 |
| 1.1 研究背景和意义 | 第14页 |
| 1.2 ICA发展历史及国内外现状 | 第14-16页 |
| 1.3 ICA的应用研究 | 第16-17页 |
| 1.4 本文结构安排 | 第17-18页 |
| 第二章 ICA的基本理论 | 第18-28页 |
| 2.1 ICA模型及假设 | 第18-20页 |
| 2.1.1 线性生成模型 | 第18页 |
| 2.1.2 模型假设 | 第18-19页 |
| 2.1.3 模型的不确定性 | 第19-20页 |
| 2.2 预处理 | 第20-21页 |
| 2.2.1 中心化 | 第20页 |
| 2.2.2 白化 | 第20-21页 |
| 2.3 ICA中的最优化理论 | 第21-24页 |
| 2.3.1 无约束优化问题 | 第21-23页 |
| 2.3.2 约束优化问题 | 第23-24页 |
| 2.4 经典ICA算法 | 第24-27页 |
| 2.4.1 极大化非高斯性估计方法 | 第24-25页 |
| 2.4.2 极大似然估计方法 | 第25-26页 |
| 2.4.3 极小化互信息估计方法 | 第26-27页 |
| 2.5 小结 | 第27-28页 |
| 第三章 基于ICA的图像特征提取与去噪方法 | 第28-42页 |
| 3.1 噪声ICA模型与稀疏编码 | 第28-30页 |
| 3.1.1 有噪声ICA模型 | 第28页 |
| 3.1.2 稀疏编码 | 第28-29页 |
| 3.1.3 极大化后验估计 | 第29-30页 |
| 3.2 稀疏概率密度与收缩函数 | 第30-33页 |
| 3.3 ICA图像特征提取及去噪方法 | 第33-35页 |
| 3.3.1 ICA和稀疏编码的关系 | 第33-34页 |
| 3.3.2 图像的预处理 | 第34-35页 |
| 3.3.3 去噪流程 | 第35页 |
| 3.4 不同ICA算法的图像特征提取与去噪性能研究 | 第35-39页 |
| 3.4.1 图像特征提取比较 | 第35-37页 |
| 3.4.2 图像去噪效果比较 | 第37-39页 |
| 3.5 小结 | 第39-42页 |
| 第四章 联合稀疏编码的拉普拉斯尺度模型 | 第42-54页 |
| 4.1 图像的自相似性及相关理论 | 第42-44页 |
| 4.1.1 非局部均值 | 第42页 |
| 4.1.2 联合稀疏编码的高斯尺度模型 | 第42-44页 |
| 4.2 联合稀疏编码的拉普拉斯尺度模型 | 第44-48页 |
| 4.2.1 模型建立 | 第45-46页 |
| 4.2.2 参数估计 | 第46-48页 |
| 4.2.3 去噪步骤 | 第48页 |
| 4.3 实验及结果分析 | 第48-52页 |
| 4.3.1 实验仿真 | 第48-52页 |
| 4.3.2 结果分析 | 第52页 |
| 4.4 小结 | 第52-54页 |
| 第五章 总结与展望 | 第54-56页 |
| 5.1 本文工作总结 | 第54页 |
| 5.2 工作展望 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60-62页 |
| 作者简介 | 第62-63页 |