| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第1章 绪论 | 第12-19页 |
| 1.1 选题研究的背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-17页 |
| 1.2.1 图像去噪研究现状 | 第13-16页 |
| 1.2.2 群体智能优化算法研究现状 | 第16-17页 |
| 1.3 本文的主要研究内容及组织结构 | 第17-19页 |
| 1.3.1 本文的主要研究内容 | 第17页 |
| 1.3.2 本文的组织结构 | 第17-19页 |
| 第2章 图像小波阈值去噪的基本理论 | 第19-32页 |
| 2.1 图像的噪声模型及分类 | 第19-21页 |
| 2.2 图像去噪方法的性能评价 | 第21-22页 |
| 2.2.1 图像质量的客观评价 | 第21-22页 |
| 2.2.2 图像质量的主观评价 | 第22页 |
| 2.3 小波变换的基本理论 | 第22-27页 |
| 2.3.1 连续小波变换 | 第23-24页 |
| 2.3.2 离散小波变换 | 第24页 |
| 2.3.3 二维离散小波变换 | 第24-27页 |
| 2.4 小波阈值去噪法 | 第27-31页 |
| 2.4.1 阈值去噪原理 | 第27-30页 |
| 2.4.2 常用的小波阈值方法 | 第30-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第3章 基于粒子群优化算法的图像去噪研究 | 第32-41页 |
| 3.1 引言 | 第32-33页 |
| 3.2 标准粒子群算法理论 | 第33-35页 |
| 3.3 PSO算法的改进思路 | 第35-39页 |
| 3.3.1 参数的改进 | 第35-37页 |
| 3.3.2 参数改进的策略(ImpWPSO) | 第37-38页 |
| 3.3.3 改进算法的去噪效果比较 | 第38-39页 |
| 3.4 邻域拓扑结构的改进 | 第39-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第4章 基于人工鱼群优化算法的图像去噪研究 | 第41-55页 |
| 4.1 引言 | 第41页 |
| 4.2 人工鱼的视觉模型 | 第41-42页 |
| 4.3 人工鱼群算法的基本原理 | 第42-45页 |
| 4.4 人工鱼群算法的参数分析 | 第45-49页 |
| 4.4.1 基准测试函数 | 第47-49页 |
| 4.4.2 视野和步长与算法优化性能的关系 | 第49页 |
| 4.5 人工鱼群算法的优势 | 第49-50页 |
| 4.6 改进的人工鱼群算法研究(IAFSA) | 第50-54页 |
| 4.7 本章小结 | 第54-55页 |
| 第5章 混合群体智能算法（PSO-IAFSA）的图像去噪研究 | 第55-61页 |
| 5.1 混合群体智能优化算法 | 第55-57页 |
| 5.2 混合优化算法性能分析 | 第57-59页 |
| 5.2.1 伪随机数发生器 | 第57-58页 |
| 5.2.2 混合优化算法的图像去噪效果分析 | 第58-59页 |
| 5.3 本章小结 | 第59-61页 |
| 第6章 总结与展望 | 第61-63页 |
| 参考文献 | 第63-69页 |
| 攻读硕士期间发表的学术论文 | 第69-70页 |
| 致谢 | 第70页 |