| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-13页 |
| 第一章 绪论 | 第13-44页 |
| ·研究背景 | 第13-15页 |
| ·小波域图像降噪技术综述 | 第15-23页 |
| ·图像降噪技术的发展 | 第15-16页 |
| ·小波降噪的研究历程 | 第16-17页 |
| ·小波降噪的分类 | 第17-23页 |
| ·奇异点检测降噪 | 第17-18页 |
| ·小波系数阈值法降噪 | 第18-19页 |
| ·固定阈值 | 第18页 |
| ·自适应阈值 | 第18-19页 |
| ·贝叶斯准则降噪 | 第19-21页 |
| ·先验模型用概率分布函数来描述 | 第19-20页 |
| ·先验模型用马尔可夫模型来描述 | 第20-21页 |
| ·小波系数的统计模型 | 第21-23页 |
| ·尺度内模型 | 第21页 |
| ·尺度间模型 | 第21-22页 |
| ·混合模型 | 第22-23页 |
| ·小波域图像降噪的发展方向 | 第23页 |
| ·图像分割中的马尔可夫随机场方法综述 | 第23-34页 |
| ·图像分割技术的发展 | 第23-24页 |
| ·图像分割的研究历程 | 第24-26页 |
| ·用马尔可夫随机场描述图像模型 | 第26-30页 |
| ·标号场先验模型的建立 | 第26-28页 |
| ·空域标号场先验模型的建立 | 第26-28页 |
| ·小波域标号场先验模型的建立 | 第28页 |
| ·特征场模型的建立 | 第28-30页 |
| ·空域特征场模型的建立 | 第28-29页 |
| ·小波域特征场模型的建立 | 第29-30页 |
| ·基于适当最优准则实现图像的分割 | 第30-31页 |
| ·马尔可夫随机场图像模型参数的估计 | 第31-32页 |
| ·先验模型中参数的确定 | 第31-32页 |
| ·特征场模型中参数的确定 | 第32页 |
| ·图像分割的实现 | 第32-33页 |
| ·MRF在图像分割中发展方向 | 第33-34页 |
| ·本文的主要工作及主要创新点 | 第34-35页 |
| 本章小结 | 第35-36页 |
| 参考文献 | 第36-44页 |
| 第二章 小波系数模极值和Neyman-Pearson准则阈值的图像降噪 | 第44-65页 |
| ·引言 | 第44-45页 |
| ·小波变换与多尺度分析 | 第45-49页 |
| ·二维小波变换的定义 | 第45-46页 |
| ·图像变换的多尺度分析 | 第46-49页 |
| ·多尺度图像的边缘检测和李氏指数 | 第49-53页 |
| ·多尺度小波系数模极值边缘检测 | 第49-50页 |
| ·李氏指数 | 第50-51页 |
| ·小波系数模极值和李氏指数之间的关系 | 第51页 |
| ·仿真实例与分析 | 第51-53页 |
| ·二维加性高斯噪声的小波变换特性和Neyman-Pearson准则阈值 | 第53-55页 |
| ·二维加性噪声的小波变换特性 | 第53-54页 |
| ·基于Neyman-Pearson准则的小波系数阈值的确定 | 第54页 |
| ·小波系数的最终确定 | 第54-55页 |
| ·估计的小波系数初步确定 | 第54-55页 |
| ·小波系数的最终确定 | 第55页 |
| ·小波系数模极值和Neyman-Pearson准则阈值应用于图像降噪 | 第55-62页 |
| ·图像边界的处理 | 第56页 |
| ·小波函数的选取 | 第56-58页 |
| ·分析小波的选取原则 | 第57页 |
| ·重构小波的选取原则 | 第57页 |
| ·小波函数的构造 | 第57-58页 |
| ·图像边缘点的确定 | 第58-59页 |
| ·小波系数的确定 | 第59页 |
| ·图像重建 | 第59页 |
| ·仿真实例与分析 | 第59-62页 |
| 本章小结 | 第62-63页 |
| 参考文献 | 第63-65页 |
| 第三章 小波域马尔可夫先验模型在图像降噪中的应用 | 第65-86页 |
| ·引言 | 第65-66页 |
| ·马尔可夫随机场的基本理论 | 第66-68页 |
| ·隐马尔可夫模型 | 第68-69页 |
| ·隐马尔可夫模型的定义 | 第68-69页 |
| ·HMM模型解决的三个实际问题 | 第69页 |
| ·小波域中的HMM统计模型与期望最大值算法 | 第69-72页 |
| ·小波域中的高斯混合模型 | 第69-70页 |
| ·小波域中的独立混合模型 | 第70页 |
| ·小波域中的隐马尔可夫模型 | 第70页 |
| ·期望最大值算法 | 第70-72页 |
| ·小波域HMM-WT-FNM模型在图像降噪中的应用 | 第72-76页 |
| ·HMM-WT-FNM图像模型 | 第72-73页 |
| ·用贝叶斯准则估计期望图像的小波系数 | 第73-74页 |
| ·仿真实例与分析 | 第74-76页 |
| ·小波域马尔可夫先验模型在图像降噪中的应用 | 第76-82页 |
| ·对小波系数初始分类的确定 | 第76-77页 |
| ·用贝叶斯准则确定理想图像的小波系数 | 第77-80页 |
| ·马尔可夫模型描述小波系数标号的先验模型 | 第77-78页 |
| ·图像小波系数的标号最终确定 | 第78页 |
| ·理想图像小波系数的最终确定 | 第78-79页 |
| ·混合模型中参数的确定 | 第79-80页 |
| ·小波域马尔可夫先验模型图像降噪的步骤 | 第80页 |
| ·仿真实例与分析 | 第80-82页 |
| 本章小结 | 第82-83页 |
| 参考文献 | 第83-86页 |
| 第四章 空域MRF层次模型在图像分割中的应用 | 第86-100页 |
| ·引言 | 第86-88页 |
| ·图像模型 | 第88-90页 |
| ·底层灰度或纹理特征用FGMM来描述 | 第88页 |
| ·顶层区域的几何特征用各向同性和各向异性的MRF模型来描述 | 第88-90页 |
| ·算法描述 | 第90-97页 |
| ·标号数的确定与FCM聚类算法 | 第90-92页 |
| ·用MDL准则确定标记数 | 第90-91页 |
| ·用FCM聚类算法来对图像进行粗分割 | 第91-92页 |
| ·用改进的期望最大值算法确定特征场模型的参数 | 第92-94页 |
| ·用ICM优化算法获得MAP准则的图像分割 | 第94-95页 |
| ·仿真实例与分析 | 第95-97页 |
| 本章小结 | 第97-98页 |
| 参考文献 | 第98-100页 |
| 第五章 小波变换的塔式结构在图像分割中的应用 | 第100-116页 |
| ·引言 | 第100-101页 |
| ·小波变换的塔式结构与小波系数的聚集特性 | 第101-103页 |
| ·图像的塔式分解结构 | 第101-102页 |
| ·小波系数的聚集特性 | 第102-103页 |
| ·小波变换与模糊聚类分析算法在图像分割中的应用 | 第103-105页 |
| ·小波变换与模糊聚类分析算法在图像分割中的应用 | 第103页 |
| ·仿真实例与分析 | 第103-105页 |
| ·小波变换与马尔可夫随机场在图像分割中的应用 | 第105-113页 |
| ·小波域金字塔式Markov随机场模型 | 第106-107页 |
| ·用 GMM模型描述小波系数的特征场 | 第107-108页 |
| ·标号场的先验概率分布模型 | 第108页 |
| ·小波域层次Markov模型的分割算法 | 第108-110页 |
| ·小波域层次Markov模型的多分辨率MAP准则的分割算法 | 第108-109页 |
| ·小波域层次Markov模型多尺度概率值的计算 | 第109页 |
| ·小波域层次Markov模型分割算法的具体实现 | 第109-110页 |
| ·小波域层次Markov模型的参数估计 | 第110-111页 |
| ·估计马尔可夫层次模型的参数 | 第110-111页 |
| ·仿真实例与分析 | 第111-113页 |
| 本章小结 | 第113页 |
| 参考文献 | 第113-116页 |
| 第六章 结论与展望 | 第116-119页 |
| ·论文总结 | 第116-117页 |
| ·展望与设想 | 第117-119页 |
| 致谢 | 第119-120页 |
| 博士期间完成的论文 | 第120页 |
