| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 1 绪论 | 第11-24页 |
| ·研究背景 | 第11-12页 |
| ·图像去噪技术的发展现状 | 第12-22页 |
| ·本文研究工作及内容安排 | 第22-24页 |
| 2 小波图像去噪基础 | 第24-61页 |
| ·引言 | 第24页 |
| ·小波变换的基本概念 | 第24-26页 |
| ·多分辨率分析理论与 Mallat 算法 | 第26-32页 |
| ·图像噪声模型与图像去噪算法的性能评价 | 第32-34页 |
| ·小波阈值图像去噪 | 第34-42页 |
| ·几种典型的小波阈值去噪算法实验仿真 | 第42-56页 |
| ·小波阈值去噪算法中的信号归一化 | 第56-60页 |
| ·本章小结 | 第60-61页 |
| 3 小波域Wiener 滤波 | 第61-87页 |
| ·引言 | 第61页 |
| ·小波域 Wiener 滤波器的三种形式 | 第61-63页 |
| ·小波域迭代 Wiener 滤波算法 | 第63-70页 |
| ·小波域与空域相结合的图像滤波方法 | 第70-78页 |
| ·小波域局部自适应 Wiener 滤波器估计误差分析及图像去噪 | 第78-86页 |
| ·本章小结 | 第86-87页 |
| 4 基于小波系数统计模型的图像去噪 | 第87-124页 |
| ·引言 | 第87-88页 |
| ·Bayesian 估计 | 第88-90页 |
| ·图像小波系数的先验模型 | 第90-98页 |
| ·一种改进的基于双变量模型的图像去噪算法 | 第98-105页 |
| ·基于拉普拉斯模型的 Bayesian 局部自适应小波去噪方法 | 第105-109页 |
| ·基于局部高斯混合模型的小波图像去噪方法 | 第109-115页 |
| ·基于邻域阈值分类的小波域图像去噪算法 | 第115-122页 |
| ·本章小结 | 第122-124页 |
| 5 小波去噪技术在SAR 图像斑点抑制中的应用 | 第124-156页 |
| ·引言 | 第124页 |
| ·SAR 图像相干斑形成机理与统计模型 | 第124-126页 |
| ·SAR 图像相干斑抑制方法研究现状 | 第126-129页 |
| ·基于似然函数模型的小波域SAR 图像去斑算法 | 第129-133页 |
| ·基于小波域MAP 估计的局部自适应SAR 图像相干斑抑制算法 | 第133-139页 |
| ·SAR 图像去斑算法实验仿真与结果分析 | 第139-155页 |
| ·本章小结 | 第155-156页 |
| 6 总结与展望 | 第156-161页 |
| ·研究工作总结 | 第156-159页 |
| ·本文的创新之处 | 第159页 |
| ·进一步的研究方向 | 第159-161页 |
| 致谢 | 第161-162页 |
| 参考文献 | 第162-171页 |
| 附录1 作者在攻读博士学位期间发表的论文 | 第171-173页 |
| 附录2 作者在攻读博士学位期间参与的项目 | 第173页 |
