| 摘要 | 第10-12页 |
| Abstract | 第12-13页 |
| 第一章 绪论 | 第14-36页 |
| 1.1 研究背景和意义 | 第14-16页 |
| 1.2 国内外研究现状 | 第16-31页 |
| 1.2.1 现有的图像去噪的主要方法 | 第16-18页 |
| 1.2.2 核回归方法 | 第18-25页 |
| 1.2.3 核回归图像去噪方法 | 第25-31页 |
| 1.3 本文的主要工作和创新点 | 第31-36页 |
| 1.3.1 研究思路 | 第31-32页 |
| 1.3.2 论文的工作 | 第32-33页 |
| 1.3.3 论文的创新点 | 第33-36页 |
| 第二章 基于二阶微分的核估计方法及其在图像去噪中的应用 | 第36-64页 |
| 2.1 经典核估计与带宽选择 | 第36-40页 |
| 2.1.1 经典核估计及其性质 | 第36-39页 |
| 2.1.2 最优带宽选择 | 第39-40页 |
| 2.2 基于二阶微分的核估计改进方法 | 第40-50页 |
| 2.2.1 基于二阶微分的改进Nadaraya-Watson核估计 | 第40-43页 |
| 2.2.2 参数选取 | 第43-45页 |
| 2.2.3 实验验证 | 第45-50页 |
| 2.3 二维Nadaraya-Watson核估计的改进方法 | 第50-55页 |
| 2.4 实验及分析 | 第55-62页 |
| 2.4.1 在光学图像中的应用 | 第55-57页 |
| 2.4.2 在SAR图像中的应用 | 第57-62页 |
| 2.5 本章小结 | 第62-64页 |
| 第三章 基于扩散张量的自适应核回归方法及其在图像去噪中的应用 | 第64-88页 |
| 3.1 基于扩散张量的核回归光学图像去噪方法 | 第64-72页 |
| 3.1.1 张量扩散与图像局部结构信息提取 | 第64-66页 |
| 3.1.2 扩散张量的设计 | 第66-68页 |
| 3.1.3 基于扩散张量的自适应核回归方法 | 第68-70页 |
| 3.1.4 实验验证 | 第70-72页 |
| 3.2 基于扩散张量的自适应核回归SAR图像相干斑抑制方法 | 第72-81页 |
| 3.2.1 基于统计模型的SAR图像相干斑抑制方法 | 第72-74页 |
| 3.2.2 SAR图像的先验信息 | 第74-75页 |
| 3.2.3 基于扩散张量的自适应核回归SAR图像相干斑抑制方法 | 第75-79页 |
| 3.2.4 实验验证 | 第79-81页 |
| 3.3 基于ROA边缘检测的自适应核回归SAR图像相干斑抑制方法 | 第81-86页 |
| 3.3.1 Ratio边缘检测算子 | 第81-84页 |
| 3.3.2 基于ROA边缘检测的改进核回归方法 | 第84-85页 |
| 3.3.3 实验验证 | 第85-86页 |
| 3.4 本章小结 | 第86-88页 |
| 第四章 基于p范分布的稳健核回归方法及其在椒盐噪声去除中的应用 | 第88-110页 |
| 4.1 经典核回归估计的不稳健性及M估计 | 第89-94页 |
| 4.1.1 经典核回归估计的不稳健性 | 第89-93页 |
| 4.1.2 线性模型的M估计 | 第93-94页 |
| 4.2 基于p范分布的稳健核回归方法 | 第94-100页 |
| 4.2.1 基于p范分布的稳健核估计 | 第94-97页 |
| 4.2.2 (?)_(Lp)的稳健性 | 第97-99页 |
| 4.2.3 参数选取 | 第99-100页 |
| 4.3 基于p范分布的稳健核回归方法去除椒盐噪声 | 第100-105页 |
| 4.3.1 图像数据中的异常值-椒盐噪声 | 第100-101页 |
| 4.3.2 基于p范分布的稳健核回归方法去除椒盐噪声 | 第101-102页 |
| 4.3.3 实验验证 | 第102-105页 |
| 4.4 基于直方图的稳健核回归方法去除椒盐噪声 | 第105-108页 |
| 4.4.1 直方图的稳健性 | 第105-106页 |
| 4.4.2 基于p范分布的改进核回归方法 | 第106-107页 |
| 4.4.3 实验验证 | 第107-108页 |
| 4.5 本章小结 | 第108-110页 |
| 第五章 基于乘积模型的核回归方法及其在SAR图像相干斑抑制中的应用 | 第110-134页 |
| 5.1 经典核回归方法不适用于乘性噪声模型 | 第110-116页 |
| 5.1.1 乘性噪声的特点 | 第110-112页 |
| 5.1.2 对数变换法 | 第112-116页 |
| 5.2 基于乘积模型的核回归方法 | 第116-123页 |
| 5.2.1 经典核回归估计的最大似然解释 | 第116-117页 |
| 5.2.2 基于乘积模型的核回归估计 | 第117-120页 |
| 5.2.3 可靠性度量 | 第120-121页 |
| 5.2.4 实验验证 | 第121-123页 |
| 5.3 基于乘积模型的SAR图像相干斑抑制方法 | 第123-127页 |
| 5.3.1 SAR图像相干斑的乘积模型 | 第123-125页 |
| 5.3.2 SAR图像乘积模型的核回归估计 | 第125-126页 |
| 5.3.3 参数选择 | 第126-127页 |
| 5.4 实验验证 | 第127-132页 |
| 5.4.1 仿真算例 | 第127-129页 |
| 5.4.2 实测算例 | 第129-132页 |
| 5.5 本章小结 | 第132-134页 |
| 第六章 总结与展望 | 第134-136页 |
| 6.1 论文工作总结 | 第134-135页 |
| 6.2 下一步工作展望 | 第135-136页 |
| 致谢 | 第136-138页 |
| 参考文献 | 第138-146页 |
| 附录 基于二阶微分的改进Nadaraya-Watson核估计的渐近正态性 | 第146-152页 |
| 作者在学期间取得的学术成果 | 第152-153页 |
