| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10页 |
| 1.2 研究现状 | 第10-12页 |
| 1.2.1 空间域图像去噪法 | 第11页 |
| 1.2.2 频域图像去噪法 | 第11页 |
| 1.2.3 ICA研究现状及其在图像去噪中的应用 | 第11-12页 |
| 1.2.4 轮廓波研究现状及其在图像去噪中的应用 | 第12页 |
| 1.3 论文的主要工作 | 第12-13页 |
| 1.4 本文的组织结构 | 第13-16页 |
| 第2章 基于独立分量分析的图像去噪算法 | 第16-44页 |
| 2.1 基于ICA稀疏编码的图像去噪 | 第16-25页 |
| 2.1.1 ICA的相关知识 | 第16-19页 |
| 2.1.2 稀疏编码收缩原理 | 第19-22页 |
| 2.1.3 最大似然估计和系数收缩 | 第22-24页 |
| 2.1.4 基于ICA稀疏编码的去噪方法 | 第24-25页 |
| 2.2 改进的ICA稀疏编码算法 | 第25-36页 |
| 2.2.1 ICA稀疏编码的优缺点 | 第25-26页 |
| 2.2.2 基于Alpha稳定分布的贝叶斯阈值 | 第26-34页 |
| 2.2.3 改进的收缩函数 | 第34-35页 |
| 2.2.4 收缩补偿 | 第35-36页 |
| 2.3 实验结果与分析 | 第36-41页 |
| 2.4 本章小结 | 第41-44页 |
| 第3章 基于轮廓波变换的图像去噪算法 | 第44-68页 |
| 3.1 基于NSCT变换的图像去噪 | 第44-55页 |
| 3.1.1 概述轮廓波变换理论基础 | 第44-50页 |
| 3.1.2 非下采样的轮廓波变换 | 第50-54页 |
| 3.1.3 NSCT域去噪方法基本原理 | 第54-55页 |
| 3.1.4 阈值收缩去噪 | 第55页 |
| 3.2 改进的NSCT变换去噪算法 | 第55-62页 |
| 3.2.1 椭圆方向窗 | 第55-57页 |
| 3.2.2 基于椭圆方向窗信号估计的贝叶斯阈值 | 第57-59页 |
| 3.2.3 基于椭圆方向窗噪声估计的贝叶斯阈值 | 第59-61页 |
| 3.2.4 算法的描述 | 第61-62页 |
| 3.3 仿真结果与分析 | 第62-66页 |
| 3.4 本章小结 | 第66-68页 |
| 第4章 基于ICA稀疏编码和轮廓波变换的图像去噪新方法 | 第68-76页 |
| 4.1 平坦区域的标准差的计算 | 第69-71页 |
| 4.2 算法参数实验 | 第71-73页 |
| 4.3 实验结果与分析 | 第73-75页 |
| 4.4 本章小结 | 第75-76页 |
| 第5章 总结与展望 | 第76-78页 |
| 5.1 总结 | 第76-77页 |
| 5.2 展望 | 第77-78页 |
| 参考文献 | 第78-82页 |
| 致谢 | 第82页 |