基于小波分析及智能优化的图像去噪研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-14页 |
| ·选题背景及意义 | 第8页 |
| ·国内外研究现状 | 第8-12页 |
| ·本文的主要工作 | 第12-14页 |
| 第二章 图像去噪概述 | 第14-22页 |
| ·图像去噪基础理论 | 第14-15页 |
| ·图像去噪的意义 | 第14页 |
| ·噪声的特征与分类 | 第14-15页 |
| ·经典噪声滤波器 | 第15-16页 |
| ·脉冲噪声滤波器 | 第15页 |
| ·高斯噪声滤波器 | 第15-16页 |
| ·图像去噪效果的评价标准 | 第16-17页 |
| ·图像噪声强度的估计方法 | 第17-19页 |
| ·高斯噪声标准差的估计 | 第17-19页 |
| ·椒盐噪声强度的估计 | 第19页 |
| ·本章小结 | 第19-22页 |
| 第三章 小波分析及智能优化基础理论 | 第22-30页 |
| ·小波分析去噪基础理论 | 第22-23页 |
| ·小波去噪综述 | 第22页 |
| ·小波阈值去噪概述 | 第22-23页 |
| ·群智能优化理论概述 | 第23-26页 |
| ·蚂蚁算法 | 第23-24页 |
| ·粒子群优化算法（PSO算法）概述 | 第24-25页 |
| ·基本粒子群优化算法 | 第25-26页 |
| ·脉冲耦合神经网络概述 | 第26-29页 |
| ·PCNN 算法描述 | 第26-27页 |
| ·PCNN 运行机理分析 | 第27-28页 |
| ·脉冲耦合神经网络的主要特性 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第四章 基于小波智能优化的图像自适应去噪方法 | 第30-46页 |
| ·小波变换阈值去噪原理 | 第30-42页 |
| ·小波变换阈值去噪原理 | 第30-31页 |
| ·最优小波基准则及选取 | 第31-33页 |
| ·小波分解层数的确定 | 第33-34页 |
| ·阈值的选取方法 | 第34-38页 |
| ·小波系数阈值估计方法 | 第38-39页 |
| ·小波系数阈值估计方法的改进综述 | 第39-42页 |
| ·标准粒子群优化算法 | 第42页 |
| ·适应度函数的确定 | 第42页 |
| ·基于小波智能优化的自适应去噪算法流程 | 第42-43页 |
| ·实验结果及分析 | 第43-45页 |
| ·本章小结 | 第45-46页 |
| 第五章 基于脉冲耦合神经网络的图像自适应去噪方法 | 第46-58页 |
| ·基于PCNN 神经网络的图像椒盐噪声去噪算法 | 第46-52页 |
| ·简化脉冲耦合神经网络模型 | 第46-47页 |
| ·PCNN 点火时刻矩阵 | 第47页 |
| ·基本思想及实现 | 第47-48页 |
| ·滤波次数和滤波窗口宽度的自适应选择 | 第48-49页 |
| ·去噪算法实现流程 | 第49页 |
| ·仿真实验结果及分析 | 第49-52页 |
| ·结论 | 第52页 |
| ·基于脉冲耦合神经网络的强高斯噪声自适应滤波 | 第52-58页 |
| ·基本思想及算法设计 | 第52-53页 |
| ·大幅度噪声点的定位与滤除 | 第53-54页 |
| ·去噪策略的自适应选择 | 第54页 |
| ·实验结果与讨论分析 | 第54-57页 |
| ·结论 | 第57-58页 |
| 第六章 结论与展望 | 第58-60页 |
| ·结论 | 第58页 |
| ·展望 | 第58-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-67页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第67页 |
