| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-14页 |
| ·引言 | 第9页 |
| ·图像去噪的研究现状 | 第9-10页 |
| ·小波图像去噪的研究现状 | 第10-12页 |
| ·支持向量机的发展现状 | 第12页 |
| ·论文研究的主要内容和章节安排 | 第12-14页 |
| 2 图像去噪的理论基础 | 第14-26页 |
| ·图像噪声的概念与分类 | 第14-17页 |
| ·图像噪声的概念 | 第14页 |
| ·图像噪声的分类 | 第14-17页 |
| ·图像去噪质量的评价方法 | 第17-18页 |
| ·传统的图像去噪方法 | 第18-23页 |
| ·均值滤波去噪 | 第18-19页 |
| ·中值滤波去噪 | 第19-21页 |
| ·维纳滤波去噪 | 第21-22页 |
| ·多图像平均法去噪 | 第22-23页 |
| ·实验仿真与分析 | 第23-24页 |
| ·本章小结 | 第24-26页 |
| 3 基于小波变换的图像去噪算法 | 第26-39页 |
| ·小波变换概述 | 第26-29页 |
| ·小波变换的基本概念 | 第26-28页 |
| ·多分辨率分析理论以及 Mallat 算法 | 第28-29页 |
| ·小波图像去噪的数学模型及其流程 | 第29-30页 |
| ·小波图像去噪的数学模型 | 第29页 |
| ·小波图像去噪的流程 | 第29-30页 |
| ·常见的小波去噪方法 | 第30-37页 |
| ·基于小波模极大值去噪 | 第30-32页 |
| ·基于小波系数相关性去噪 | 第32-33页 |
| ·基于小波阈值去噪 | 第33-37页 |
| ·三种小波图像去噪算法的比较 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 4 改进的基于小波系数和 SVM 的图像去噪算法 | 第39-59页 |
| ·支持向量机原理 | 第39-47页 |
| ·统计学习的基本理论 | 第39-42页 |
| ·支持向量机分类 | 第42-46页 |
| ·支持向量机的特点 | 第46-47页 |
| ·改进的小波系数和 SVM 在图像去噪上的具体实现 | 第47-52页 |
| ·图像的小波变换 | 第47-48页 |
| ·特征向量的选取 | 第48-51页 |
| ·SVM 的训练 | 第51-52页 |
| ·SVM 的分类 | 第52页 |
| ·图像重构 | 第52页 |
| ·实验仿真及分析 | 第52-58页 |
| ·实验环境 | 第52-53页 |
| ·实验过程与结果分析 | 第53-58页 |
| ·小结 | 第58-59页 |
| 5 总结与展望 | 第59-61页 |
| ·总结 | 第59-60页 |
| ·展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 攻读硕士学位期间发表的论文 | 第65-66页 |
| 致谢 | 第66-67页 |