基于支持向量机的图像去噪和图像质量评价的研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-16页 |
| ·引言 | 第9页 |
| ·图像去噪的研究现状 | 第9-13页 |
| ·空间域滤波方法 | 第10-11页 |
| ·频率域滤波方法 | 第11-12页 |
| ·支持向量机在图像去噪上的应用 | 第12-13页 |
| ·图像质量评价方法研究现状 | 第13-14页 |
| ·支持向量机的发展现状 | 第14页 |
| ·论文主要研究内容和章节安排 | 第14-16页 |
| 2 统计学理论和支持向量机 | 第16-27页 |
| ·统计方法 | 第16页 |
| ·统计学习问题 | 第16-17页 |
| ·经验风险 | 第16-17页 |
| ·VC 维 | 第17页 |
| ·学习过程一致性 | 第17-18页 |
| ·结构风险最小归纳原理 | 第18-20页 |
| ·支持向量机 | 第20-26页 |
| ·线性可分 | 第20-23页 |
| ·线性不可分 | 第23-24页 |
| ·SVM 多分类方法 | 第24-26页 |
| ·本章小结 | 第26-27页 |
| 3 基于小波变换和支持向量机的图像去噪算法 | 第27-43页 |
| ·传统小波变换去噪的缺陷 | 第27-29页 |
| ·支持向量机的特点 | 第29-30页 |
| ·支持向量机在图像去噪上的具体实现 | 第30-35页 |
| ·小波分解 | 第30-31页 |
| ·选择特征向量 | 第31-33页 |
| ·支持向量机训练 | 第33-35页 |
| ·支持向量机分类 | 第35页 |
| ·图像重构 | 第35页 |
| ·实验与仿真 | 第35-42页 |
| ·对原始图像和含噪图像进行小波变换 | 第36-38页 |
| ·参数寻优 | 第38页 |
| ·实验结果分析 | 第38-42页 |
| ·小结 | 第42-43页 |
| 4 基于支持向量机的图像评价算法 | 第43-56页 |
| ·引言 | 第43页 |
| ·传统全参考型图像质量评价方法的缺憾 | 第43-45页 |
| ·图像的特征选择 | 第45-47页 |
| ·支持向量机设计 | 第47-51页 |
| ·SVM 模型的选择 | 第49页 |
| ·联合分类器 | 第49-50页 |
| ·SVM 的回归 | 第50-51页 |
| ·仿真实验与结果分析 | 第51-55页 |
| ·实验坏境和样本库 | 第51页 |
| ·实验参数和性能指标 | 第51-52页 |
| ·实验结果 | 第52-55页 |
| ·小结 | 第55-56页 |
| 5 总结与展望 | 第56-58页 |
| ·工作总结 | 第56页 |
| ·未来展望 | 第56-58页 |
| 参考文献 | 第58-63页 |
| 致谢 | 第63-64页 |
| 攻读硕士学位期间发表的论文及所取得的研究成果 | 第64页 |
