| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| ·问题的提出 | 第7页 |
| ·研究现状 | 第7-9页 |
| ·一些改进的中值滤波器 | 第7页 |
| ·基于奇异点检测的小波变换滤波器 | 第7-8页 |
| ·基于SVC 和小波变换相结合检测脉冲噪声的滤波器 | 第8-9页 |
| ·本文研究起点、研究方法及研究平台 | 第9页 |
| ·本文的研究起点 | 第9页 |
| ·本文的研究内容及其与已有研究内容之间的联系 | 第9页 |
| ·本文的实验平台 | 第9页 |
| ·本文研究工作概述和内容安排 | 第9-11页 |
| ·本文的研究工作概述 | 第9页 |
| ·本文的内容安排 | 第9-11页 |
| 第二章 基于奇异点检测的小波变换滤波器 | 第11-21页 |
| ·小波图像去噪基础 | 第11页 |
| ·信号奇异性与小波变换检测 | 第11-14页 |
| ·小波与小波变换理论 | 第11-12页 |
| ·Lipschitz 指数与信号的奇异性 | 第12-13页 |
| ·离散小波变换与滤波器组 | 第13-14页 |
| ·小波变换检测图像脉冲噪声的方法和原理 | 第14-21页 |
| ·脉冲噪声的小波变换与检测 | 第14-15页 |
| ·一种基于小波变换的图像脉冲噪声识别方法 | 第15-21页 |
| 第三章 基于SVC 和小波变换相结合检测脉冲噪声滤波器 | 第21-29页 |
| ·支持向量机分类器介绍（SVC） | 第21-22页 |
| ·数字灰度图像的表示和脉冲噪声模型 | 第22-24页 |
| ·数字灰度图像的表示 | 第22-23页 |
| ·脉冲噪声的模型 | 第23-24页 |
| ·基于SVC 检测脉冲噪声原理和方法 | 第24-27页 |
| ·脉冲噪声特征抽取 | 第24-25页 |
| ·基于SVC 的自适应图象脉冲噪声滤波器 | 第25-27页 |
| ·基于SVC 和小波变换相结合检测脉冲噪声方法和原理 | 第27-29页 |
| 第四章 MIVP 识别图像脉冲噪声的研究 | 第29-45页 |
| ·像素噪声特征的几个定义 | 第29-30页 |
| ·图像噪声MIVP 检测噪声的原理 | 第30-32页 |
| ·MIVP 的图像脉冲噪声滤波器 | 第32-33页 |
| ·滤波原理 | 第32-33页 |
| ·滤波算法 | 第33页 |
| ·MATLAB 实验结果 | 第33-35页 |
| ·MIVP 算法在嵌入式平台MTK 上的应用 | 第35-43页 |
| ·本章小结 | 第43-45页 |
| 第五章 MIVP 结合小波变换识别图像脉冲噪声的研究 | 第45-51页 |
| ·MIVP 结合小波变换检测噪声方法 | 第45-46页 |
| ·MIVP 结合小波检测算法实现 | 第46-47页 |
| ·MATLAB 实验结果对比 | 第47-50页 |
| ·本章小结 | 第50-51页 |
| 第六章 总结与展望 | 第51-52页 |
| ·研究工作总结 | 第51页 |
| ·本文的创新之处 | 第51页 |
| ·进一步的研究方向 | 第51-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 附录 | 第56-57页 |
| 附录一：实验中的50 幅图的MIVP | 第56-57页 |
| 附录二：作者在攻读硕士期间完成的的论文 | 第57页 |
