| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·选题背景和意义 | 第10页 |
| ·小波变换的发展现状 | 第10-13页 |
| ·小波域图像去噪的分类 | 第13-14页 |
| ·主要研究内容 | 第14-16页 |
| 第2章 小波图像去噪理论 | 第16-33页 |
| ·小波变换理论 | 第16-22页 |
| ·连续小波变换理论 | 第16-17页 |
| ·离散小波变换理论 | 第17-18页 |
| ·二进制小波变换 | 第18页 |
| ·多分辨率分析 | 第18-19页 |
| ·二维图像小波变换分解与重构 | 第19-22页 |
| ·小波阈值去噪算法 | 第22-29页 |
| ·图像的噪声模型 | 第22-23页 |
| ·阈值函数 | 第23-24页 |
| ·阈值选取 | 第24-29页 |
| ·图像去噪的性能评价标准 | 第29-30页 |
| ·图像噪声的方差估计 | 第29-30页 |
| ·图像去噪的性能评价标准 | 第30页 |
| ·几种经典的阈值去噪算法的仿真 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 第3章 基于Bayesian 统计理论的医学超声图像斑点滤波算法 | 第33-50页 |
| ·斑点噪声模型 | 第33-34页 |
| ·常用小波系数统计模型简介 | 第34-39页 |
| ·斑点噪声的小波系数统计模型 | 第34-36页 |
| ·信号的小波系数统计模型 | 第36-39页 |
| ·基于Bayes 估计的去斑算法 | 第39-42页 |
| ·基于MAP 的Bayes 估计 | 第39页 |
| ·GNDShrink 算法的实现 | 第39-40页 |
| ·GNDThresh 算法的实现 | 第40-41页 |
| ·模型参数的估计 | 第41页 |
| ·本文算法步骤 | 第41-42页 |
| ·几种医学超声图像斑点算法介绍 | 第42-44页 |
| ·实验结果及分析 | 第44-48页 |
| ·去斑噪声算法客观评价指标 | 第44页 |
| ·不同去斑噪算法的比较 | 第44-48页 |
| ·本章小结 | 第48-50页 |
| 第4章 总结与展望 | 第50-51页 |
| ·全文总结 | 第50页 |
| ·研究展望 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 致谢 | 第54-55页 |
| 附录 攻读学位期间发表的学术论文目录 | 第55页 |