| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第8-15页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 光学 4f 系统及其噪声 | 第9-10页 |
| 1.2.2 光学 4f 系统图像降噪 | 第10-11页 |
| 1.2.3 非线性估计方法 | 第11-13页 |
| 1.3 本论文主要研究内容 | 第13-14页 |
| 1.4 本文章节安排 | 第14-15页 |
| 2 非线性估计方法与图像去噪方法的基本原理 | 第15-29页 |
| 2.1 引言 | 第15页 |
| 2.2 自适应滤波 | 第15-16页 |
| 2.3 人工神经网络 | 第16-22页 |
| 2.3.1 人工神经网络原理概述 | 第16-19页 |
| 2.3.2 BP 神经网络 | 第19-20页 |
| 2.3.3 Elman 神经网络 | 第20-21页 |
| 2.3.4 径向基函数(RBF)神经网络 | 第21-22页 |
| 2.4 支持向量机（SVM） | 第22-23页 |
| 2.5 直方图匹配 | 第23-24页 |
| 2.6 图像去噪方法 | 第24-27页 |
| 2.6.1 基于空间滤波的图像去噪方法 | 第24-25页 |
| 2.6.2 基于小波变换的图像去噪方法 | 第25-26页 |
| 2.6.3 基于多尺度几何分析的图像去噪方法 | 第26-27页 |
| 2.7 小结 | 第27-29页 |
| 3 光学 4f 系统及其噪声 | 第29-38页 |
| 3.1 引言 | 第29页 |
| 3.2 傅里叶光学 | 第29-30页 |
| 3.3 光学 4f 系统基本原理 | 第30-31页 |
| 3.4 光学 4f 系统噪声及其特点 | 第31-33页 |
| 3.5 光学 4f 系统去噪方法 | 第33-37页 |
| 3.5.1 应用图像纹理连续性的 4f 系统图像非下采样轮廓波变换域降噪 | 第33-34页 |
| 3.5.2 利用阶跃响应的光学 4f 系统图像去噪方法 | 第34-35页 |
| 3.5.3 基于 SAR 统计参数的光学 4f 系统小波阈值去噪方法 | 第35-36页 |
| 3.5.4 基于液晶纯相位光调制器的 4f 系统去噪方法 | 第36-37页 |
| 3.6 小结 | 第37-38页 |
| 4 基于直方图匹配和 RBF 神经网络的灰度误差补偿方法 | 第38-50页 |
| 4.1 引言 | 第38页 |
| 4.2 光学 4f 系统及其输出图像 | 第38-42页 |
| 4.3 基于直方图匹配和 RBF 神经网络的灰度误差补偿方法 | 第42-44页 |
| 4.3.1 人工神经网络的选择 | 第42-43页 |
| 4.3.2 灰度误差补偿方法 | 第43-44页 |
| 4.4 实验结果及分析 | 第44-48页 |
| 4.5 小结 | 第48-50页 |
| 5 基于直方图匹配和支持向量机(SVM)的灰度误差补偿方法 | 第50-58页 |
| 5.1 引言 | 第50页 |
| 5.2 基于直方图匹配和支持向量机(SVM)的灰度误差补偿方法 | 第50-55页 |
| 5.2.1 灰度误差补偿方法 | 第50-51页 |
| 5.2.2 实验结果及分析 | 第51-55页 |
| 5.3 基于直方图匹配和基于 RBF 神经网络以及基于 SVM 的灰度误差补偿方法的比较 | 第55-57页 |
| 5.4 小结 | 第57-58页 |
| 6 总结与展望 | 第58-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-67页 |
| 附录 | 第67页 |
| A. 作者在攻读学位期间发表的论文 | 第67页 |
| B. 作者在攻读学位期间参加的科研项目 | 第67页 |
