数字图像的盲源分离
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 目录 | 第7-10页 |
| 插图和附表清单 | 第10-12页 |
| 常用数学符号注释 | 第12-13页 |
| 第一章 绪论 | 第13-19页 |
| ·研究背景及其意义 | 第13页 |
| ·盲分离技术发展现状 | 第13-16页 |
| ·盲源分离的应用 | 第16-18页 |
| ·语音信号处理 | 第16页 |
| ·生物医学信号处理 | 第16-17页 |
| ·阵列信号处理领域 | 第17页 |
| ·图像处理领域 | 第17-18页 |
| ·本文主要研究内容及章节安排 | 第18-19页 |
| 第二章 盲源分离方法概述 | 第19-28页 |
| ·盲源分离的基本模型 | 第19-20页 |
| ·盲源分离的基本假设条件 | 第20-21页 |
| ·盲源分离的常用目标函数概述 | 第21-24页 |
| ·利用统计独立与互信息测度间的关系 | 第21-22页 |
| ·负熵最大化目标函数 | 第22-23页 |
| ·基于最大似然估计的目标函数 | 第23页 |
| ·基于其它优化理论的目标函数 | 第23-24页 |
| ·峭度的介绍 | 第24-25页 |
| ·盲信号分离的性能评价准则 | 第25-27页 |
| ·基于混合矩阵的评价准则 | 第25-26页 |
| ·基于图像的评价准则 | 第26-27页 |
| ·小结 | 第27-28页 |
| 第三章 ICA 方法的优化算法――批处理方法 | 第28-44页 |
| ·概述 | 第28页 |
| ·常见批处理算法介绍 | 第28-35页 |
| ·两个基本概念 | 第29-31页 |
| ·三类不同的基本算法 | 第31-35页 |
| ·仿真实验与分析 | 第35-43页 |
| ·利用改进的JADE 算法进行ICA | 第35-38页 |
| ·利用SHIBBS 算法进行ICA | 第38-39页 |
| ·JADE 算法与SHIBBS 算法的比较 | 第39-40页 |
| ·批处理算法失效的问题的研究 | 第40-43页 |
| ·小结 | 第43-44页 |
| 第四章 ICA 方法的优化算法――自适应算法 | 第44-66页 |
| ·概述 | 第44-45页 |
| ·常见梯度算法介绍 | 第45-52页 |
| ·常规的随机梯度法 | 第46-48页 |
| ·自然梯度法 | 第48-52页 |
| ·单步实时在线数字图像处理算法 | 第52-56页 |
| ·梯度算法均衡性，鲁棒性，收敛性研究 | 第56-58页 |
| ·自适应算法的统计性能 | 第58-61页 |
| ·仿真实验与分析 | 第61-65页 |
| ·利用不完整自然梯度算法进行ICA | 第61-63页 |
| ·单步实时在线的ICA 算法 | 第63-65页 |
| ·小结 | 第65-66页 |
| 第五章 ICA 方法的优化算法――其它类方法 | 第66-86页 |
| ·概述 | 第66页 |
| ·固定点算法 | 第66-72页 |
| ·初步概念 | 第67-68页 |
| ·采用负熵的固定点算法 | 第68-72页 |
| ·利用图像单调性的盲分离算法 | 第72-76页 |
| ·仿真实验与分析 | 第76-85页 |
| ·ICA 方法的滤波作用 | 第76-81页 |
| ·利用FastICA 进行ICA | 第81-82页 |
| ·利用图像单调性的ICA 算法 | 第82-85页 |
| ·小结 | 第85-86页 |
| 第六章 总结与展望 | 第86-88页 |
| ·本论文工作总结 | 第86页 |
| ·进一步研究的展望 | 第86-88页 |
| 致谢 | 第88-89页 |
| 参考文献 | 第89-93页 |
| 攻读硕士期间参与项目及取得的成果 | 第93-94页 |
