| 内容提要 | 第1-9页 |
| 前言 | 第9-11页 |
| 第一章 背景知识 | 第11-35页 |
| 1 数字图像处理概要 | 第11-13页 |
| 2 应用调和分析工具的发展历程 | 第13-24页 |
| ·Fourier分析简介 | 第13-15页 |
| ·从Fourier分析到小波分析 | 第15-21页 |
| ·小波后一系列新的分析工具简介 | 第21-24页 |
| 3 Directionlet变换简介 | 第24-29页 |
| 4 BP神经网络理论基础 | 第29-35页 |
| 第二章 基于方向小波变换的图像边缘提取算法 | 第35-47页 |
| 1 引言 | 第35-36页 |
| 2 基于栅格理论的方向小波变换 | 第36-38页 |
| ·基于栅格理论的采样 | 第36-37页 |
| ·沿采样线实施方向小波变换 | 第37-38页 |
| 3 边缘检测定位 | 第38-41页 |
| ·基于梯度的边缘检测算法的基本步骤 | 第38-40页 |
| ·梯度模的重新定义 | 第40-41页 |
| ·梯度方向确定及非极大值抑制方法 | 第41页 |
| 4 实验结果和讨论 | 第41-47页 |
| ·实验结果 | 第41-43页 |
| ·计算复杂度分析和结论 | 第43-47页 |
| 第三章 改进的基于Canny算子的图像边缘提取算法 | 第47-55页 |
| 1 传统的Canny边缘检测算法 | 第47-50页 |
| ·Canny边缘检测算法的理论基础 | 第47-48页 |
| ·Canny边缘检测算法实现 | 第48-50页 |
| 2 改进的Canny边缘检测算法 | 第50-51页 |
| ·传统Canny算法的不足 | 第50页 |
| ·边缘检测及定位方法的改进 | 第50-51页 |
| ·对准边缘进行细化处理 | 第51页 |
| 3 实验结果与讨论 | 第51-55页 |
| 第四章 基于方向小波变换的图像去噪算法 | 第55-63页 |
| 1 基于小波变换的图像去噪算法介绍 | 第55-60页 |
| ·阈值去噪方法 | 第56-58页 |
| ·相关去噪方法 | 第58-60页 |
| 2 基于方向小波变换的阈值及相关去噪方法 | 第60-63页 |
| 第五章 基于BP神经网络和开关中值滤波的脉冲噪声图像恢复方法 | 第63-77页 |
| 1 脉冲噪声模型 | 第64-65页 |
| 2 噪声检测弱分类器设计 | 第65-67页 |
| 3 噪声检测强分类器设计 | 第67-69页 |
| 4 窗口自适应开关中值滤波 | 第69-70页 |
| ·窗口自适应开关中值滤波算法描述 | 第70页 |
| ·窗口自适应开关中值滤波算法分析 | 第70页 |
| 5 实验结果与讨论 | 第70-77页 |
| ·性能评价指标定义 | 第70-71页 |
| ·视觉效果对比 | 第71-73页 |
| ·噪声检测性能对比 | 第73-74页 |
| ·去噪性能对比 | 第74页 |
| ·讨论 | 第74-77页 |
| 第六章 总结与展望 | 第77-81页 |
| 参考文献 | 第81-90页 |
| 博士期间发表的论文 | 第90-91页 |
| 摘要 | 第91-94页 |
| 英文摘要 | 第94-98页 |
| 致谢 | 第98-99页 |