ICA及其在数字图像处理中的应用
| 中文摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第1章 引言 | 第8-14页 |
| ·本论文的研究内容 | 第8页 |
| ·ICA介绍 | 第8-9页 |
| ·ICA简介 | 第8-9页 |
| ·ICA和PCA | 第9页 |
| ·ICA在图像处理中的概述 | 第9-12页 |
| ·图像特征提取 | 第10页 |
| ·图像去噪 | 第10页 |
| ·人脸检测与识别 | 第10-11页 |
| ·图像分离 | 第11页 |
| ·医学图像处理 | 第11页 |
| ·其他图像处理应用 | 第11-12页 |
| ·ICA算法的新进展 | 第12-13页 |
| ·论文的组织 | 第13-14页 |
| 第2章 ICA原理 | 第14-28页 |
| ·引言 | 第14页 |
| ·ICA的定义 | 第14-16页 |
| ·ICA的线性模型 | 第14-16页 |
| ·噪声ICA | 第16页 |
| ·非线性ICA | 第16页 |
| ·ICA的发展简史 | 第16-17页 |
| ·ICA的相关数学知识 | 第17-25页 |
| ·概率论知识 | 第17-18页 |
| ·统计知识 | 第18-21页 |
| ·信息论知识 | 第21-25页 |
| ·ICA独立性的度量 | 第25-27页 |
| ·非高斯性极大 | 第25页 |
| ·互信息最小 | 第25-26页 |
| ·非线性不相关 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第3章 基于信息论的ICA算法 | 第28-37页 |
| ·引言 | 第28页 |
| ·数据的预处理 | 第28-29页 |
| ·基于信息论的ICA算法 | 第29-35页 |
| ·FastICA算法 | 第29-32页 |
| ·Infomax算法 | 第32-35页 |
| ·互信息最小算法 | 第35页 |
| ·最大似然算法 | 第35页 |
| ·ICA算法的选择 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第4章 ICA在图像去噪中的应用研究 | 第37-47页 |
| ·引言 | 第37页 |
| ·去噪方法简述 | 第37-39页 |
| ·维纳去噪 | 第38-39页 |
| ·中值去噪 | 第39页 |
| ·均值去噪 | 第39页 |
| ·稀疏编码收缩法 | 第39-44页 |
| ·特征提取 | 第39-41页 |
| ·图像数据的ICA模型 | 第41页 |
| ·极大似然去噪和稀疏收缩 | 第41-44页 |
| ·实验结果与分析 | 第44-46页 |
| ·讨论 | 第46-47页 |
| 第5章 ICA在人脸识别中的应用研究 | 第47-63页 |
| ·人脸识别概述 | 第47-48页 |
| ·基于PCA和ICA的人脸识别方法 | 第48-57页 |
| ·基于PCA的人脸识别方法 | 第48-50页 |
| ·基于ICA的人脸识别方法 | 第50-53页 |
| ·PCA和ICA混合的人脸识别 | 第53-54页 |
| ·实验结果与分析 | 第54-57页 |
| ·基于KICA的人脸识别方法 | 第57-62页 |
| ·核方法 | 第57-58页 |
| ·核主成分分析 | 第58-60页 |
| ·核独立分量分析 | 第60-61页 |
| ·实验结果与分析 | 第61-62页 |
| ·本章小结 | 第62-63页 |
| 第6章 总结与展望 | 第63-65页 |
| ·ICA的优点 | 第63页 |
| ·ICA中存在的问题 | 第63-64页 |
| ·下一步的工作 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-70页 |
| 硕士期间发表的论文 | 第70页 |
