| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 本文的课题意义及背景 | 第10页 |
| 1.2 图像去噪的发展和研究现状 | 第10-17页 |
| 1.2.1 空间域滤波 | 第10-13页 |
| 1.2.2 频域滤波器 | 第13-14页 |
| 1.2.3 小波域图像去噪算法 | 第14-16页 |
| 1.2.4 各种小波变换在小波去噪中的应用 | 第16-17页 |
| 1.3 本文图像去噪质量评价方法 | 第17页 |
| 1.4 本文主要研究内容及章节安排 | 第17-20页 |
| 第二章 小波分析理论 | 第20-28页 |
| 2.1 小波分析的形成及发展 | 第20-21页 |
| 2.2 小波变换的基本理论 | 第21-24页 |
| 2.2.1 连续小波变换 | 第21-23页 |
| 2.2.2 离散小波变换 | 第23-24页 |
| 2.3 多分辨率分析 | 第24-25页 |
| 2.4 小波分析的应用 | 第25-27页 |
| 2.4.1 小波信号处理 | 第25页 |
| 2.4.2 小波图像去噪 | 第25-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 小波图像收缩去噪算法 | 第28-56页 |
| 3.1 图像噪声模型及图像去噪质量的评价标准 | 第28-30页 |
| 3.1.1 高斯噪声 | 第28-29页 |
| 3.1.2 图像去噪算法的评价标准 | 第29页 |
| 3.1.3 小波域噪声方差估计 | 第29-30页 |
| 3.2 小波阈值图像去噪 | 第30-33页 |
| 3.2.1 阈值函数 | 第30-31页 |
| 3.2.2 阈值的选取 | 第31-33页 |
| 3.3 几种典型的小波阈值图像去噪算法仿真 | 第33-49页 |
| 3.3.1 VisuShrink算法实验结果 | 第33-42页 |
| 3.3.2 ScaleShrink阈值实验结果 | 第42-44页 |
| 3.3.3 MapShrink阈值实验结果 | 第44-47页 |
| 3.3.4 BayesShrink阈值实验结果 | 第47-49页 |
| 3.4 一种新阈值函数小波图像去噪算法 | 第49-54页 |
| 3.4.1 自适应新阈值函数 | 第50-51页 |
| 3.4.2 实验结果分析 | 第51-54页 |
| 3.5 本章小结 | 第54-56页 |
| 第四章 基于小波系数统计模型的图像去噪 | 第56-78页 |
| 4.1 图像小波系数的统计模型 | 第57-61页 |
| 4.1.1 层内模型 | 第58-60页 |
| 4.1.2 层间模型 | 第60-61页 |
| 4.2 基于最大后验概率估计的双变量模型 | 第61-64页 |
| 4.2.1 双变量模型去噪算法 | 第61-64页 |
| 4.2.2 局部双变量模型去噪算法 | 第64页 |
| 4.3 双变量模型自适应选取邻域窗口算法 | 第64-66页 |
| 4.3.1 邻域窗口系数的相关度定义 | 第64-65页 |
| 4.3.2 自适应选取邻域窗口算法实现 | 第65-66页 |
| 4.4 实验结果分析 | 第66-76页 |
| 4.5 本章小结 | 第76-78页 |
| 第五章 基于双树复小波变换的双变量模型图像去噪 | 第78-88页 |
| 5.1 双树复小波变换理论 | 第78-81页 |
| 5.1.1 双树复小波变换 | 第78-80页 |
| 5.1.2 二维双树复小波变换 | 第80页 |
| 5.1.3 双树复小波变换的优点 | 第80-81页 |
| 5.2 基于双树复小波变换的自适应选窗双变量模型图像去噪算法 | 第81-82页 |
| 5.2.1 算法描述及框图实现 | 第81-82页 |
| 5.3 实验结果分析 | 第82-87页 |
| 5.4 本章小结 | 第87-88页 |
| 第六章 结论与展望 | 第88-90页 |
| 6.1 主要工作和特点 | 第88页 |
| 6.2 将来工作展望 | 第88-90页 |
| 致谢 | 第90-92页 |
| 参考文献 | 第92-96页 |
| 附录 | 第96页 |