| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-14页 |
| ·选题背景和意义 | 第10页 |
| ·小波去噪的发展现状 | 第10-13页 |
| ·主要研究内容 | 第13-14页 |
| 第2章 小波图像去噪基础 | 第14-34页 |
| ·小波变换概念及多分辨率分析理论 | 第14-18页 |
| ·连续小波变换 | 第14-15页 |
| ·离散小波变换 | 第15-17页 |
| ·多分辨率分析 | 第17-18页 |
| ·图像噪声模型及图像去噪的性能评价标准 | 第18-20页 |
| ·图像的噪声模型 | 第18-19页 |
| ·图像噪声的方差估计 | 第19页 |
| ·图像去噪的性能评价标准 | 第19-20页 |
| ·小波阈值去噪算法 | 第20-23页 |
| ·阈值函数 | 第20-21页 |
| ·阈值选取 | 第21-23页 |
| ·几种经典的阈值去噪算法的仿真 | 第23-32页 |
| ·VisualShrink 算法仿真 | 第23-26页 |
| ·LevelShrink，SureShrink，BayesShrink 算法仿真 | 第26-29页 |
| ·基于平移不变的小波图像去噪算法仿真 | 第29-32页 |
| ·本章小结 | 第32-34页 |
| 第3章 基于小波系数统计模型的图像去噪 | 第34-47页 |
| ·小波系数的统计模型 | 第34-36页 |
| ·广义高斯分布模型 | 第34-35页 |
| ·拉普拉斯模型 | 第35页 |
| ·高斯混合模型 | 第35-36页 |
| ·正态反高斯分布模型（NIG） | 第36页 |
| ·基于NIG 模型的最大后验概率估计 | 第36-38页 |
| ·NIG 模型简介 | 第36-37页 |
| ·Bayes 最大后验概率估计 | 第37-38页 |
| ·上下文分类算法及NIG 模型参数估计 | 第38-46页 |
| ·上下文分类算法 | 第38-42页 |
| ·参数估计 | 第42-43页 |
| ·实验算法框架 | 第43页 |
| ·实验结果及分析 | 第43-46页 |
| ·本章小结 | 第46-47页 |
| 第4章 基于矢量空间线性最小均方误差估计的图像去噪 | 第47-56页 |
| ·非下采样分解及冗余小波变换 | 第47-49页 |
| ·非下采样小波分解的概念 | 第47-48页 |
| ·冗余小波变换 | 第48-49页 |
| ·线性最小均方误差估计理论 | 第49-52页 |
| ·LMMSE 去噪算法 | 第50页 |
| ·矢量空间的LMMSE 去噪算法 | 第50-52页 |
| ·系数分类及实验结果分析 | 第52-55页 |
| ·矢量空间的上下文模型分类法 | 第52-53页 |
| ·实验结果与分析 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 第5章 总结与展望 | 第56-59页 |
| ·总结 | 第56-58页 |
| ·本文创新点 | 第58页 |
| ·展望 | 第58-59页 |
| 参考文献 | 第59-65页 |
| 致谢 | 第65-66页 |
| 附录攻读学位期间所发表的学术论文目录 | 第66页 |