基于盲分离的图像去噪技术研究
| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究的背景 | 第9-10页 |
| 1.2 图像去噪研究现状 | 第10-13页 |
| 1.2.1 传统图像去噪 | 第10-11页 |
| 1.2.2 盲源分离发展历史 | 第11-13页 |
| 1.2.3 盲源分离应用于图像处理 | 第13页 |
| 1.3 论文的主要结构 | 第13-15页 |
| 第2章 传统图像去噪 | 第15-23页 |
| 2.1 图像噪声 | 第15页 |
| 2.2 传统图像去噪算法 | 第15-19页 |
| 2.2.1 均值滤波去噪 | 第15-16页 |
| 2.2.2 中值滤波去噪 | 第16-17页 |
| 2.2.3 维纳滤波去噪 | 第17页 |
| 2.2.4 小波去噪 | 第17-19页 |
| 2.2.4.1 小波去噪的特点 | 第17-18页 |
| 2.2.4.2 小波去噪问题描述 | 第18页 |
| 2.2.4.3 基于小波变换的图像去噪 | 第18-19页 |
| 2.3 图像处理评级标准 | 第19页 |
| 2.4 传统图像去噪仿真分析 | 第19-21页 |
| 2.5 本章小结 | 第21-23页 |
| 第3章 独立分量分析 | 第23-35页 |
| 3.1 盲信号分离概述 | 第23-27页 |
| 3.1.1 盲源分离 | 第23-24页 |
| 3.1.2 独立分量分析 | 第24-27页 |
| 3.1.2.1 盲源分离与独立分量分析的关系 | 第24页 |
| 3.1.2.2 独立分量分析数学模型 | 第24-25页 |
| 3.1.2.3 目标函数 | 第25-27页 |
| 3.1.3 盲源分离的评价指标 | 第27页 |
| 3.2 独立分量分析算法 | 第27-31页 |
| 3.2.1 Fast ICA算法 | 第27-29页 |
| 3.2.2 JADE算法 | 第29-30页 |
| 3.2.3 灵活ICA算法 | 第30-31页 |
| 3.3 基于ICA的图像盲分离 | 第31-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第4章 基于盲分离的图像去噪 | 第35-51页 |
| 4.1 图像的二维小波变换 | 第35-38页 |
| 4.1.1 二维小波变换 | 第35-36页 |
| 4.1.2 图像的二维小波变换 | 第36页 |
| 4.1.3 图像的二维小波分解与重构 | 第36-38页 |
| 4.2 基于盲分离的图像去噪 | 第38-43页 |
| 4.2.1 图像虚拟观测量的模型 | 第38-42页 |
| 4.2.2 图像小波分解重构观测量 | 第42-43页 |
| 4.3 图像去噪仿真分析 | 第43-48页 |
| 4.4 声呐图像的去噪处理 | 第48-50页 |
| 4.5 本章小节 | 第50-51页 |
| 结论 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第56-57页 |
| 致谢 | 第57页 |
