| 摘要 | 第1-8页 |
| Abstract | 第8-15页 |
| 第一章 绪论 | 第15-29页 |
| ·论文的研究意义 | 第15-18页 |
| ·BSS 的数学模型 | 第15-16页 |
| ·论文的研究意义 | 第16-18页 |
| ·BSS 的研究状况 | 第18-26页 |
| ·国内外研究现状 | 第19-20页 |
| ·BSS 算法分类 | 第20-24页 |
| ·自然梯度算法 | 第21-22页 |
| ·快速定点算法 | 第22-24页 |
| ·BSS 的研究热点 | 第24-26页 |
| ·论文的研究内容 | 第26-29页 |
| 第二章 CURVELET 图像多尺度几何分析 | 第29-41页 |
| ·引言 | 第29页 |
| ·图像多尺度几何分析 | 第29-32页 |
| ·图像的稀疏性 | 第30-31页 |
| ·多尺度几何分析方法 | 第31-32页 |
| ·CURVELET 多尺度几何分析 | 第32-37页 |
| ·第一代Curvelet | 第33-34页 |
| ·第二代Curvelet | 第34-37页 |
| ·连续Curvelet | 第34-36页 |
| ·离散Curvelet | 第36-37页 |
| ·离散CURVELET 的实现 | 第37-39页 |
| ·Wrapping 算法 | 第38页 |
| ·分解系数分析 | 第38-39页 |
| ·小结 | 第39-41页 |
| 第三章 基于CURVELET 多尺度几何分析的图像盲源分离方法 | 第41-53页 |
| ·引言 | 第41页 |
| ·稀疏性判据 | 第41-43页 |
| ·CURVELET 稀疏子图像选取 | 第43-44页 |
| ·基于CURVELET 的图像盲源分离算法 | 第44-47页 |
| ·具体算法 | 第45页 |
| ·算法收敛性分析 | 第45-47页 |
| ·实验仿真 | 第47-51页 |
| ·评价指标 | 第47-48页 |
| ·结果分析 | 第48-51页 |
| ·小结 | 第51-53页 |
| 第四章 基于CURVELET 多尺度几何分析的图像盲源分离初始化方法 | 第53-65页 |
| ·引言 | 第53-54页 |
| ·稀疏信号的特性 | 第54-56页 |
| ·基于CURVELET 稀疏表示的初始化方法 | 第56-58页 |
| ·聚类算法 | 第56-57页 |
| ·初始值选取 | 第57-58页 |
| ·初始化方法 | 第58页 |
| ·实验仿真 | 第58-64页 |
| ·评价指标 | 第58-59页 |
| ·结果分析 | 第59-64页 |
| ·小结 | 第64-65页 |
| 第五章 基于CURVELET 多尺度几何分析的欠定图像盲源分离方法 | 第65-78页 |
| ·引言 | 第65-66页 |
| ·欠定盲源分离模型 | 第66页 |
| ·欠定-适定联合分离算法 | 第66-71页 |
| ·源信号数目估计 | 第67-69页 |
| ·混合矩阵估计 | 第69-70页 |
| ·预分离信号估计 | 第70-71页 |
| ·全局分离信号估计 | 第71页 |
| ·实验仿真 | 第71-76页 |
| ·评价指标 | 第73页 |
| ·结果分析 | 第73-76页 |
| ·小结 | 第76-78页 |
| 第六章 基于CURVELET 多尺度几何分析的含噪图像盲源分离方法 | 第78-91页 |
| ·引言 | 第78-79页 |
| ·含噪盲源分离模型 | 第79页 |
| ·基于CURVELET 稀疏表示的图像噪声抑制方法 | 第79-81页 |
| ·基于CURVELET 域的数学形态学图像盲源分离方法 | 第81-85页 |
| ·位置相关数学形态学降噪算子 | 第81-84页 |
| ·位置相关自适应阈值设计 | 第81-82页 |
| ·改进型降噪算子 | 第82-84页 |
| ·含噪盲源分离算法 | 第84-85页 |
| ·实验仿真 | 第85-90页 |
| ·评价指标 | 第85-86页 |
| ·结果分析 | 第86-90页 |
| ·小结 | 第90-91页 |
| 第七章 总结和展望 | 第91-94页 |
| ·论文总结 | 第91-92页 |
| ·研究展望 | 第92-94页 |
| 参考文献 | 第94-102页 |
| 攻读博士学位期间发表的论文 | 第102-103页 |
| 攻读博士学位期间申请的专利 | 第103-104页 |
| 致谢 | 第104页 |
