| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 创新点摘要 | 第6-9页 |
| 第一章 绪论 | 第9-12页 |
| 1.1 研究的背景与意义 | 第9页 |
| 1.2 国内外发展现状 | 第9-10页 |
| 1.2.1 ICA的产生与发展 | 第9-10页 |
| 1.2.2 带噪声的独立分量分析 | 第10页 |
| 1.2.3 ICA的待解问题和发展趋势 | 第10页 |
| 1.3 本文研究的主要内容 | 第10-12页 |
| 第二章 独立分量分析方法的概述 | 第12-26页 |
| 2.1 ICA问题的概述 | 第12-14页 |
| 2.1.1 ICA问题的提出 | 第12页 |
| 2.1.2 ICA的定义 | 第12-13页 |
| 2.1.3 独立性的定义 | 第13-14页 |
| 2.2 独立分量分析基本模型 | 第14-16页 |
| 2.2.1 无噪声的独立分量分析模型 | 第14页 |
| 2.2.2 有噪声的独立分量分析模型 | 第14-16页 |
| 2.3 独立分量分析独立性的判据 | 第16-19页 |
| 2.3.1 非高斯性极人判据 | 第16-17页 |
| 2.3.2 互信息最小判据 | 第17-18页 |
| 2.3.3 最人似然估计判据 | 第18-19页 |
| 2.4 基于负熵的快速定点算法 | 第19-20页 |
| 2.5 预处理 | 第20-24页 |
| 2.5.1 中心化 | 第21页 |
| 2.5.2 白化 | 第21-24页 |
| 2.6 本章小结 | 第24-26页 |
| 第三章 基于虚拟通道的ICA算法在图像去噪中的应用 | 第26-49页 |
| 3.1 引言 | 第26-27页 |
| 3.2 基于虚拟通道的ICA去噪方法介绍 | 第27-28页 |
| 3.3 ICA简介 | 第28-30页 |
| 3.3.1 ICA简单介绍 | 第28-29页 |
| 3.3.2 ICA模型 | 第29-30页 |
| 3.4 FastICA算法 | 第30-32页 |
| 3.4.1 FastICA发展史简介 | 第30-31页 |
| 3.4.2 FastICA步骤图 | 第31-32页 |
| 3.4.3 FastICA的优点 | 第32页 |
| 3.5 虚拟通道的构造 | 第32-34页 |
| 3.6 传统的图像去噪方法简介 | 第34-35页 |
| 3.6.1 维纳滤波 | 第34-35页 |
| 3.6.2 均值去噪 | 第35页 |
| 3.6.3 中值滤波 | 第35页 |
| 3.7 去噪效果的评价 | 第35-36页 |
| 3.8 实验结果与分析 | 第36-48页 |
| 3.8.1 实验描述 | 第36-37页 |
| 3.8.2 实验结果 | 第37-48页 |
| 3.9 本章小结 | 第48-49页 |
| 第四章 基于稀疏编码的图像去噪 | 第49-75页 |
| 4.1 引言 | 第49页 |
| 4.2 稀疏编码介绍 | 第49-50页 |
| 4.2.1 稀疏编码的历史 | 第49页 |
| 4.2.2 稀疏编码的定义 | 第49-50页 |
| 4.3 稀疏编码去噪与小波去噪方法的比较 | 第50-51页 |
| 4.4 稀疏编码与ICA的关系 | 第51页 |
| 4.5 稀疏编码去噪的整体思路 | 第51-52页 |
| 4.6 实验数据的选取 | 第52-53页 |
| 4.7 图像特征提取 | 第53-62页 |
| 4.7.1 图像特征提取简述 | 第53-54页 |
| 4.7.2 标准稀疏编码算法 | 第54-61页 |
| 4.7.3 FastICA基的特征提取 | 第61-62页 |
| 4.8 稀疏编码的图像去噪 | 第62-75页 |
| 4.8.1 稀疏编码图像去噪的模型 | 第62-65页 |
| 4.8.2 限制W的类型 | 第65页 |
| 4.8.3 滑动窗口 | 第65页 |
| 4.8.4 实验过程详细介绍 | 第65-66页 |
| 4.8.5 阈值 | 第66-67页 |
| 4.8.6 实验部分 | 第67-74页 |
| 4.8.7 本章小结 | 第74-75页 |
| 结论 | 第75-76页 |
| 参考文献 | 第76-79页 |
| 发表文章目录 | 第79-80页 |
| 致谢 | 第80-81页 |
| 详细摘要 | 第81-87页 |