独立分量分析及其在图像去噪中的应用研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 专用术语注释表 | 第8-10页 |
| 第一章 引言 | 第10-16页 |
| ·独立分量分析的研究背景及意义 | 第10-11页 |
| ·独立分量分析的研究历史 | 第11-12页 |
| ·独立分量分析研究的现状 | 第12-15页 |
| ·常见的独立分量分析算法 | 第12-13页 |
| ·独立分量分析研究的趋势 | 第13-14页 |
| ·独立分量分析在图像处理中的应用 | 第14-15页 |
| ·本文的主要研究内容 | 第15-16页 |
| 第二章 ICA 的基本理论 | 第16-31页 |
| ·ICA 的数学模型 | 第16-19页 |
| ·ICA 的基本模型 | 第16-17页 |
| ·ICA 的含噪模型 | 第17-18页 |
| ·ICA 的卷积模型 | 第18-19页 |
| ·ICA 独立性的度量准则 | 第19-27页 |
| ·随机变量独立性的概念 | 第19-20页 |
| ·非高斯性 | 第20-24页 |
| ·互信息 | 第24-25页 |
| ·ICA 的最大似然估计方法 | 第25-27页 |
| ·ICA 的求解过程 | 第27-30页 |
| ·ICA 的预处理 | 第27-28页 |
| ·ICA 中常用的优化方法 | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 第三章 ICA 的经典算法 | 第31-38页 |
| ·Infomax 算法 | 第31-33页 |
| ·FastICA 算法 | 第33-34页 |
| ·实验结果及比较 | 第34-37页 |
| ·本章小结 | 第37-38页 |
| 第四章 基于混沌粒子群优化的 ICA | 第38-52页 |
| ·局部极值点存在性的证明 | 第38-41页 |
| ·全局优化算法 | 第41-42页 |
| ·混沌粒子全优化算法 | 第42-46页 |
| ·混沌模型 | 第42-44页 |
| ·粒子群优化算法 | 第44-45页 |
| ·混沌粒子群优化算法 | 第45-46页 |
| ·基于混沌粒子群优化的 ICA | 第46-48页 |
| ·基于粒子群优化的 ICA | 第46-47页 |
| ·本文提出的基于混沌粒子群优化的 ICA | 第47-48页 |
| ·实验结果及比较 | 第48-51页 |
| ·本章小结 | 第51-52页 |
| 第五章 基于 ICA 的图像去噪 | 第52-69页 |
| ·引言 | 第52页 |
| ·图像去噪方法简述 | 第52-59页 |
| ·噪声分类及表示 | 第52-53页 |
| ·图像去噪的经典算法 | 第53-56页 |
| ·图像评价方法 | 第56-59页 |
| ·基于 ICA 变换的图像去噪方法 | 第59-68页 |
| ·ICA 变换的基向量 | 第59-60页 |
| ·非高斯随机变量的最大似然去噪 | 第60-63页 |
| ·基于 ICA 的去噪方法 | 第63页 |
| ·改进的 ICA 的去噪方法 | 第63-66页 |
| ·实验结果及比较 | 第66-68页 |
| ·本章小结 | 第68-69页 |
| 第六章 总结与展望 | 第69-70页 |
| 参考文献 | 第70-73页 |
| 附录 1 程序清单 | 第73-74页 |
| 附录 2 攻读硕士学位期间撰写的论文 | 第74-75页 |
| 致谢 | 第75页 |
