| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第1章 绪论 | 第8-13页 |
| ·多尺度几何分析的发展 | 第8-10页 |
| ·非自适应多尺度几何分析 | 第8-10页 |
| ·自适应多尺度几何分析 | 第10页 |
| ·脉冲耦合神经网络 | 第10-11页 |
| ·论文的主要工作和内容安排 | 第11-13页 |
| 第2章 Curvelet 变换基础理论 | 第13-20页 |
| ·Ridgelet变换 | 第13-14页 |
| ·第一代Curvelet 变换 | 第14-16页 |
| ·基本理论 | 第14-15页 |
| ·实现过程 | 第15-16页 |
| ·第二代Curvelet 变换 | 第16-19页 |
| ·连续Curvelet 变换 | 第16-17页 |
| ·离散Curvelet 变换 | 第17-18页 |
| ·离散Curvelet 变换的数字实现 | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 第3章 Contourlet 变换基础理论 | 第20-28页 |
| ·引言 | 第20页 |
| ·拉普拉斯金字塔分解 | 第20-21页 |
| ·方向滤波器组 | 第21-23页 |
| ·连续Contourlet 变换 | 第23-24页 |
| ·离散Contourlet 变换 | 第24-26页 |
| ·无下采样的离散Contourlet 变换 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第4章 基于Curvelet 变换的图像去噪 | 第28-35页 |
| ·图像去噪及其评价 | 第28-29页 |
| ·基于小波变换的图像去噪 | 第29-31页 |
| ·基本方法 | 第29-30页 |
| ·阈值问题 | 第30-31页 |
| ·改进的Normal Shrink 算法 | 第31-32页 |
| ·实验结果与分析 | 第32-34页 |
| ·本章小节 | 第34-35页 |
| 第5章 PCNN 和Contourlet 图像分割 | 第35-45页 |
| ·图像分割 | 第35-36页 |
| ·图像分割的定义 | 第35页 |
| ·图像分割的难点 | 第35-36页 |
| ·脉冲耦合神经网络（PCNN） | 第36-37页 |
| ·改进的PCNN 模型 | 第37-38页 |
| ·基于Contourlet 和PCNN 的图像分割 | 第38-41页 |
| ·图像增强预处理 | 第39-40页 |
| ·移除目标背景 | 第40页 |
| ·对Contourlet 变换系数的PCNN 处理 | 第40-41页 |
| ·边缘信息引入 | 第41页 |
| ·实验结果与分析 | 第41-44页 |
| ·本章小节 | 第44-45页 |
| 第6章 总结和展望 | 第45-46页 |
| ·总结 | 第45页 |
| ·展望 | 第45-46页 |
| 参考文献 | 第46-50页 |
| 致谢 | 第50-51页 |
| 附录A 攻读学位期间发表的论文 | 第51页 |
