| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-15页 |
| ·α稳定分布发展概述 | 第9-10页 |
| ·α稳定分布和分数低阶统计量的应用和研究意义 | 第10-11页 |
| ·数字图像处理和图像去噪简述 | 第11-12页 |
| ·课题研究的意义和背景 | 第12-13页 |
| ·本文主要工作内容和安排 | 第13-15页 |
| 第二章 α稳定分布与分数低阶统计量的基本理论 | 第15-30页 |
| ·α稳定分布 | 第15-16页 |
| ·中心极限定理与高斯分布概率密度函数 | 第16-19页 |
| ·中心极限定理 | 第16-17页 |
| ·高斯分布的概率密度函数 | 第17-19页 |
| ·广义中心极限定理与α稳定分布的性质、概率密度函数 | 第19-25页 |
| ·广义中心极限定理 | 第19-21页 |
| ·α稳定分布的性质 | 第21-23页 |
| ·α稳定分布的概率密度函数 | 第23-25页 |
| ·分数低阶统计量简介 | 第25-29页 |
| ·矩及统计量的概念 | 第25-26页 |
| ·分数低阶统计量 | 第26-29页 |
| 本章小结 | 第29-30页 |
| 第三章 传统图像去噪方法简介 | 第30-42页 |
| ·噪声 | 第30-31页 |
| ·滤波器简述 | 第31页 |
| ·均值滤波 | 第31-33页 |
| ·维纳滤波 | 第33-34页 |
| ·中值滤波 | 第34-36页 |
| ·仿真实验及评价 | 第36-40页 |
| ·仿真结果出现问题的分析 | 第40-41页 |
| 本章小结 | 第41-42页 |
| 第四章 基于分数低阶统计量的自适应图像去噪算法的研究 | 第42-52页 |
| ·自适应滤波简介 | 第42-45页 |
| ·自适应滤波器的构成 | 第42-43页 |
| ·自适应滤波原理 | 第43-45页 |
| ·LMS算法及其性能分析 | 第45-47页 |
| ·LMS算法 | 第45-46页 |
| ·LMS算法性能分析 | 第46-47页 |
| ·基于分数低阶统计量的自适应图像去噪算法 | 第47-49页 |
| ·自适应最小平均p范数算法 | 第48页 |
| ·NLMP与NLMAD算法 | 第48-49页 |
| ·广义NLMP算法 | 第49页 |
| ·韧性最小平均混合反数算法RLMMN | 第49页 |
| ·改进的自适应算法A—RLMMN | 第49-50页 |
| ·各算法比较结论 | 第50-51页 |
| 本章小结 | 第51-52页 |
| 第五章 基于分数低统计量的图像去噪算法的实验仿真及结果分析与评价 | 第52-57页 |
| ·分数低阶α稳定分布噪声下混合信噪比的设定 | 第52-53页 |
| ·仿真实验与评价 | 第53-55页 |
| ·仿真工具简介 | 第53页 |
| ·仿真实验 | 第53-54页 |
| ·用仿真实验评价指标进行仿真结果评价 | 第54-55页 |
| ·仿真结果分析 | 第55-56页 |
| 本章小结 | 第56-57页 |
| 总结和展望 | 第57-59页 |
| 参考文献 | 第59-62页 |
| 攻读硕士学位期间发表的学术论文 | 第62-63页 |
| 致谢 | 第63页 |
