| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-14页 |
| ·研究意义与背景 | 第9-10页 |
| ·SAR 图像去噪研究现状 | 第10-12页 |
| ·盲源分离现状 | 第12-13页 |
| ·本文研究的主要内容 | 第13-14页 |
| 2 图像去噪方法分析 | 第14-24页 |
| ·引言 | 第14-15页 |
| ·传统图像去噪算法 | 第15-17页 |
| ·均值滤波 | 第15页 |
| ·中值滤波 | 第15-16页 |
| ·维纳滤波 | 第16-17页 |
| ·小波去噪 | 第17-19页 |
| ·小波发展及特点 | 第17-18页 |
| ·小波阈值去噪原理 | 第18-19页 |
| ·小波阈值去噪的关键因素 | 第19页 |
| ·仿真结果与分析 | 第19-23页 |
| ·去噪效果客观评价方法 | 第19-20页 |
| ·光学和 SAR 图像去噪仿真 | 第20-23页 |
| ·本章小结 | 第23-24页 |
| 3 基于 ICA 的图像去噪方法 | 第24-47页 |
| ·引言 | 第24页 |
| ·ICA 的数学基础 | 第24-30页 |
| ·ICA 的定义及数学模型 | 第24-26页 |
| ·ICA 的假设和约束条件 | 第26-27页 |
| ·ICA 的不确定性 | 第27页 |
| ·ICA 的预处理 | 第27-28页 |
| ·ICA 的几个基本概念 | 第28-30页 |
| ·ICA 的算法研究 | 第30-35页 |
| ·ICA 的目标函数 | 第31-33页 |
| ·ICA 的优化算法 | 第33-35页 |
| ·ICA 方法去噪 | 第35-39页 |
| ·去噪原理 | 第35页 |
| ·FastICA 算法 | 第35-36页 |
| ·FastICA 算法描述 | 第36-38页 |
| ·FastICA 算法特点 | 第38-39页 |
| ·ICA 的评价标准 | 第39页 |
| ·ICA 的应用 | 第39-46页 |
| ·信号分离仿真实验 | 第39-42页 |
| ·图像分离仿真实验 | 第42-44页 |
| ·图像去噪仿真实验 | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 4 SAR 图像去噪研究 | 第47-61页 |
| ·引言 | 第47页 |
| ·SAR 图像的基本特征 | 第47-50页 |
| ·SAR 成像原理 | 第47-48页 |
| ·SAR 图像相干斑模型 | 第48-50页 |
| ·SAR 图像与光学图像的区别 | 第50页 |
| ·提升小波的分解及重构 | 第50-54页 |
| ·提升小波的分解过程 | 第51-52页 |
| ·提升小波的重构过程 | 第52页 |
| ·提升小波分解图像举例 | 第52-54页 |
| ·一种基于负熵改进的 FastICA 去噪方法 | 第54-55页 |
| ·FastICA 和提升小波相结合的 SAR 图像去噪算法 | 第55-56页 |
| ·SAR 图像去噪仿真结果及分析 | 第56-59页 |
| ·本章小结 | 第59-61页 |
| 5 总结和展望 | 第61-63页 |
| ·工作总结 | 第61-62页 |
| ·工作展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士期间发表的论文及所取得的研究成果 | 第67-68页 |
| 致谢 | 第68页 |