| 第一章 序论 | 第1-10页 |
| ·研究动机 | 第7-8页 |
| ·论文结构 | 第8-10页 |
| 第二章 小波变换的基本理论 | 第10-15页 |
| ·连续小波变换 | 第10页 |
| ·离散小波变换 | 第10-12页 |
| ·多分辨率分析 | 第12-15页 |
| 第三章 隐马尔可夫模型(HMM) | 第15-26页 |
| ·HMM基本思想 | 第15-17页 |
| ·Markov链 | 第15-16页 |
| ·HMM基本概念与定义 | 第16-17页 |
| ·HMM基本算法 | 第17-26页 |
| ·前向-后向算法 | 第17-20页 |
| ·Viterbi算法 | 第20-22页 |
| ·Baum-Welch算法 | 第22-26页 |
| 第四章 小波域的隐马尔可夫模型 | 第26-34页 |
| ·模型框架 | 第26-28页 |
| ·小波域的概率模型 | 第28-32页 |
| ·单个小波系数的概率模型 | 第28-29页 |
| ·小波变换的概率模型 | 第29-30页 |
| ·HMT模型 | 第30-32页 |
| ·EM算法的训练和似然函数: | 第32-34页 |
| ·EM训练算法 | 第32-33页 |
| ·似然函数确定 | 第33页 |
| ·稳健训练尝试法 | 第33-34页 |
| 第五章 HMT模型在去噪中的应用 | 第34-42页 |
| ·HMT模型训练的EM算法 | 第34-39页 |
| ·建立 | 第35-36页 |
| ·单个小波树的E步(upward-downward)算法 | 第36-37页 |
| ·多尺度小波系数的E步 | 第37-38页 |
| ·M步 | 第38页 |
| ·树内的尝试 | 第38-39页 |
| ·HMT模型在图像去噪中的应用 | 第39-40页 |
| ·仿真结果 | 第40-42页 |
| 第六章 纹理分析 | 第42-54页 |
| ·小波域的统计图像模型 | 第42-48页 |
| ·二维离散小波变换 | 第42-44页 |
| ·2-D独立混合模型 | 第44-45页 |
| ·二维隐马尔可夫树(HMT) | 第45-46页 |
| ·二维隐马尔可夫树-3S(HMT-3S) | 第46-48页 |
| ·纹理分类 | 第48-51页 |
| ·小波能量标识 | 第48-49页 |
| ·基于最大似然的分类 | 第49页 |
| ·仿真结果 | 第49-51页 |
| ·纹理分割 | 第51-52页 |
| ·总结 | 第52-54页 |
| 第七章 结论与展望 | 第54-57页 |
| 参考文献 | 第57-60页 |