| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 ICA在图像去噪中的背景及意义 | 第9-10页 |
| 1.2 ICA在图像去噪中的发展及研究现状 | 第10-12页 |
| 1.3 本文的研究内容及章节安排 | 第12-13页 |
| 本章小结 | 第13-14页 |
| 第二章 ICA基本理论 | 第14-33页 |
| 2.1 ICA的相关数学知识 | 第14-19页 |
| 2.1.1 高阶统计知识 | 第14-15页 |
| 2.1.2 信息论基础知识 | 第15-19页 |
| 2.2 基于ICA图像去噪的基本原理 | 第19-22页 |
| 2.2.1 ICA基本模型 | 第19-21页 |
| 2.2.2 ICA含噪模型 | 第21页 |
| 2.2.3 ICA限定前提条件及不确定性分析 | 第21-22页 |
| 2.3 基于ICA图像去噪的预处理 | 第22-24页 |
| 2.3.1 中心化 | 第23页 |
| 2.3.2 白化处理 | 第23-24页 |
| 2.4 基于ICA图像去噪的目标函数和优化算法 | 第24-28页 |
| 2.4.1 ICA的目标函数 | 第24-27页 |
| 2.4.2 ICA的优化算法 | 第27-28页 |
| 2.5 基于ICA图像去噪的经典算法 | 第28-32页 |
| 2.5.1 Infomax算法 | 第28-30页 |
| 2.5.2 FastICA算法 | 第30-32页 |
| 本章小结 | 第32-33页 |
| 第三章 基于改进ICA结合VNLMS算法的混合噪声消除方法研究 | 第33-48页 |
| 3.1 引言 | 第33页 |
| 3.2 α稳定分布 | 第33-36页 |
| 3.2.1 α稳定分布的引入 | 第33-34页 |
| 3.2.2 α稳定分布及特性 | 第34-36页 |
| 3.3 基于归一化LMS的Volterra图像去噪 | 第36-38页 |
| 3.3.1 Volterra滤波器原理 | 第36页 |
| 3.3.2 基于归一化LMS的Volterra图像去噪 | 第36-38页 |
| 3.4 基于改进ICA结合VNLMS算法的混合噪声消除方法 | 第38-47页 |
| 3.4.1 算法原理 | 第38-40页 |
| 3.4.2 算法步骤 | 第40-41页 |
| 3.4.3 仿真实验与性能分析 | 第41-47页 |
| 本章小结 | 第47-48页 |
| 第四章 基于PSO和QPSO的ICA图像噪声消除算法研究 | 第48-65页 |
| 4.1 引言 | 第48-49页 |
| 4.2 粒子群算法及量子粒子群算法理论 | 第49-51页 |
| 4.2.1 粒子群算法 | 第49-50页 |
| 4.2.2 量子粒子群算法 | 第50-51页 |
| 4.3 基于分数低阶PSO-ICA结合VNLMS算法的混合噪声消除方法 | 第51-55页 |
| 4.3.1 算法原理 | 第51-52页 |
| 4.3.2 仿真实验与性能分析 | 第52-55页 |
| 4.4 基于分数低阶QPSO-ICA结合VNLMS算法的混合噪声消除方法 | 第55-57页 |
| 4.4.1 算法原理 | 第55-56页 |
| 4.4.2 仿真实验与性能分析 | 第56-57页 |
| 4.5 基于PSO和QPSO的ICA方法消除高斯噪声的性能对比分析 | 第57-64页 |
| 4.5.1 传统ICA算法的图像去噪原理 | 第57-59页 |
| 4.5.2 改进算法原理 | 第59-61页 |
| 4.5.3 仿真实验与性能分析 | 第61-64页 |
| 本章小结 | 第64-65页 |
| 第五章 结论与展望 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 攻读硕士学位期间发表的学术论文 | 第70-71页 |
| 致谢 | 第71-72页 |
