文摘
英文文摘
论文说明:图表目录
声明
致谢
第一章 绪论
1.1研究背景
1.2图像信息表示方法
1.2.1时(空)域分析
1.2.2频域分析
1.2.3时(空)频域分析
1.3图像信息的基函数表示
1.3.1图像的基函数
1.3.2图像信息的基函数表示的研究现状
1.4论文的课题来源、研究内容与章节安排
1.4.1论文的课题来源
1.4.2论文的研究内容
1.4.3论文的章节安排
参考文献
第二章 图像信息的小波和ICA基函数表示
2.1引 言
2.2图像信息的小波基函数表示
2.2.1多分辨率分析
2.2.2小波表示
2.2.3基于滤波器组的快速小波算法
2.2.4基于小波基函数的图像信息表示
2.3图像信息的ICA基函数表示
2.3.1独立分量分析的基本理论
2.3.2基于ICA基函数的图像信息表示
2.4图像信息的基函数表示
2.5本章小结
参考文献
第三章 基函数系数的高阶统计表示
3.1引言
3.2基于ICA的图像独立基元表征
3.2.1联合概率密度函数的边缘概率密度函数表示
3.2.2 ICA基函数和滤波器的特点
3.2.3 ICA滤波器组与Gabor滤波器组的比较
3.3基于ICA的纹理分类
3.3.1 ICA纹理分类
3.3.2纹理图像的ICA
3.3.3特征图像
3.3.4纹理图像的独立谱表示
3.3.5分类
3.4.基于非高斯分布的ICA基函数系数的高阶统计表示
3.4.1基于独立谱和联合矩的图像表示
3.4.2基于非高斯分布的基函数系数特征提取
3.4.3滤波器独立性对分类性能影响的研究
3.5仿真实验
3.5.1数据准备及参数设置
3.5.2实验一:基于ICA系数的纹理分类
3.5.3实验二:训练样本的个数对分类性能的影响
3.5.4实验三:不同特征提取方法中滤波器独立性对分类性能的影响
3.5.5实验四:多尺度滤波器和滤波器选择的纹理分类
3.6本章小结
参考文献
第四章 基于LNN-MFICA基函数的图像信息表示
4.1引言
4.2平均场ICA模型
4.3 MFA-ICA算法
4.3.1平均场近似MFA(Mean Field Approximation)
4.3.2混合矩阵A估计和噪声协方差S的估计
4.3.3源信号S的估计
4.3.4平均场近似的源模型
4.3.5 MFA算法的基本步骤
4.4仿真实验
4.4.1数据准备及参数设置
4.4.2基函数的稀疏性
4.4.3基函数的个数与识别率之间的关系
4.4.4基函数的泛化能力
4.5本章小结
参考文献
第五章 图像信息的自适应稀疏小波模型研究
5.1引言
5.1.1 ICA与小波的图像基函数表示存在的问题
5.1.2基于ICA与小波相结合图像基函数表示
5.2自适应小波及其参数化
5.2.1自适应小波
5.2.2小波滤波器组的限制
5.2.3无抽样小波变换
5.2.4基于Lattice结构分解的小波滤波器参数化
5.3自适应稀疏小波模型
5.3.1目标函数
5.3.2自适应稀疏小波的算法实现
5.3.3最优化方法
5.4仿真实例
5.4.1稀疏小波方法作用于纹理图像
5.4.2稀疏小波方法用于纺织品缺陷检测
5.5本章小结
参考文献
第六章 总结与展望
6.1论文总结
6.2研究展望
攻读博士学位期间发表论文及参加科研情况