1.1引言
1.2稀疏逼近
1.3從Fourier分析到小波分析
1.4多尺度幾何分析
1.5多尺度幾何變換
1.5.1脊波及單尺度脊波變換
1.5.2曲線波（Curvelet）
1.5.3梳狀波（Brushlet）
1.5.4子束波（Beamlet）
1.5.5楔形波（Wedgelet）
1.5.6輪廓波（Contourlet）
1.5.7條帶波（Bandelet）
1.5.8方向波（Directionlet）
1.5.9剪切波（Shearlet）
1.6多尺度幾何變換的逼近性質
1.7存在的問題和進壹步研究的方向
1.8本章小結
本章參考文獻 2.1引言
2.2多變量目標函數的逼近
2.2.1神經網絡的逼近和學習
2.2.2統計估計
2.2.3逼近論
2.2.4調和分析
2.2.5小波神經網絡
2.3脊波的發展現狀及應用前景
2.3.1脊波現有的成果
2.3.2連續和離散脊波變換
2.4存在的問題和進壹步研究的方向
2.5本章小結
本章參考文獻 3.1引言
3.2圖像的離散脊波變換
3.2.1基於投影切片定理的Radon變換
3.2.2二進小波變換
3.2.3二維離散脊波變換
3.2.4脊波子帶的產生
3.3基於脊波變換的直線特征檢測
3.4實驗結果
3.5本章小結
本章參考文獻 4.1引言
4.2脊波、正交脊波和脊波框架
4.3Radon域中對偶框架的構造
4.4從到L2(2)的等距映射
4.5L2(R2)中的對偶框架
4.6對偶框架的性質
4.7去噪實驗
4.8本章小結
本章參考文獻 5.1引言
5.2多尺度幾何網絡
5.3自適應連續脊波網絡
5.4收斂性能分析
5.5實驗結果
5.6本章小結
本章參考文獻 6.1引言
6.2曲線波變換
6.3曲線波框架的性質
6.4第二代曲線波變換
6.5曲線波雙框架系統
6.5.1曲線波雙框架系統的構造
6.5.2實驗結果與分析
6.6曲線波網絡
6.6.1曲線波網絡模型
6.6.2實驗結果與分析
6.7基於方向及尺度乘積的曲線波去噪方法
6.7.1曲線波變換系數的特點
6.7.2基於方向及尺度乘積的曲線波去噪算法
6.7.3實驗結果與分析
6.8基於曲線波隱馬爾可夫樹模型的SAR圖像去噪
6.8.1曲線波隱馬爾可夫樹(HMT)模型
6.8.2基於曲線波HMT模型的圖像去噪算法
6.8.3實驗結果與分析
6.9基於曲線波的圖像融合
6.9.1基於曲線波的圖像融合方法
6.9.2評價標準
6.9.3實驗結果與分析
6.10基於曲線波的紋理分類
6.10.1結合***生矩陣的曲線波特征提取及紋理分類算法
6.10.2Curvelet紋理分類實驗
6.10.3實驗結果與分析
6.11本章小結
本章參考文獻 7.1引言
7.2梳狀波變換理論
7.2.1壹維梳狀波基構造
7.2.2二維梳狀波基構造
7.2.3圖像的梳狀波變換
7.2.4非下采樣梳狀波變換
7.3基於梳狀波的紋理分類
7.3.1基於梳狀波復特征的紋理分類
7.3.2基於非下采樣梳狀波紋理分類
7.4基於梳狀波的圖像分割
7.4.1融合梳狀波方向特性的無監督圖像分割
7.4.2基於非下采樣梳狀波變換的紋理圖像分割
7.4.3基於梳狀波***生矩陣的圖像分割
7.4.4基於梳狀波統計特征的紋理分割
7.4.5基於小波和梳狀波變換域特征融合的無監督圖像分割
7.5基於梳狀波變換和徑向基函數神經網絡的指紋方向場提取
7.6梳狀波變換分層編碼壓縮
7.6.1基於梳狀波壓縮算法
7.6.2對比實驗及結果分析
7.7基於梳狀波和Wedgelet的圖像融合
7.7.1融合規則
7.7.2融合結果的評價指標
7.7.3基於梳狀波和Wedgelet的圖像融合算法
7.7.4對比實驗及結果分析
7.7.5小結
7.8本章小結
本章參考文獻 8.1引言
8.2Beamlet框架的構造
8.3Beamlet分析
8.3.1Beamlet字典
8.3.2Beamlet變換
8.3.3Beamlet金字塔
8.3.4Beamlet圖
8.4Beamlet算法設計
8.4.1無結構算法
8.4.2樹狀結構算法
8.4.3線段的局部鏈接
8.4.4線段的全部鏈接
8.5本章小結
本章參考文獻 9.1引言
9.2楔形波概述
9.2.1楔形波基本理論
9.2.2楔形波分解
9.2.3楔形波構造
9.3楔形波逼近理論及其改進算法
9.3.1楔形波逼近理論
9.3.2楔形波逼近理論改進算法
9.3.3時間效率對比與改進算法的逼近效果
9.4基於楔形波的SAR圖像邊緣檢測
9.4.1楔形波基函數
9.4.2基於楔形波逼近理論改進算法的圖像邊緣檢測
9.4.3結合MSP－RoA算法的楔形波的SAR圖像邊緣檢測
9.5基於楔形波和對偶樹復小波的SAR圖像斑點噪聲抑制
9.5.1算法構造
9.5.2試驗結果與分析
9.6基於Cartoon與紋理模型的楔形波圖像壓縮
9.6.1算法構造
9.6.2實驗結果與分析
9.7基於楔形波的圖像融合
9.7.1融合規則
9.7.2融合結果的評價指標
9.7.3基於楔形波的圖像融合
9.7.4實驗結果與分析
9.8本章小結
本章參考文獻 10.1引言
10.2輪廓波變換
10.3非下采樣輪廓波變換
10.4基於輪廓波的SAR圖像相幹斑抑制
10.4.1基於輪廓波HMM的SAR圖像相幹斑抑制
10.4.2統計先驗指導的NSCT域SAR圖像降斑
10.5基於非下采樣輪廓波變換的圖像融合
10.5.1基於活性測度和閉環反饋的NSCT域遙感圖像融合
10.5.2基於克隆選擇和NSCT的紅外與可見光圖像融合
10.5.3基於NSCT和LHS變換的多光譜和高分辨圖像融合
10.6基於輪廓波的紋理分割與分類
10.6.1結合多層小波和輪廓波分解的紋理圖像分割
10.6.2基於SVM和多層小波輪廓波分解的紋理圖像分割
10.6.3基於WBCT和克隆選擇算法的紋理圖像分類
10.6.4基於SWBCT的紋理圖像分類
10.7基於輪廓波的目標識別
10.7.1基於輪廓波和核Fisher判別分析的特征提取
10.7.2基於小波和輪廓波的目標識別
10.7.3基於SWBCT和投影方法的目標識別
10.7.4基於最優輪廓波包網絡的目標識別
10.8本章小結
本章參考文獻 11.1引言
11.2小波逼近和幾何圖像表示
11.2.1基於視覺特性的圖像處理現狀
11.2.2小波的非線性圖像逼近
11.2.3幾何圖像表示
11.3第壹代條帶波變換
11.3.1條帶波基
11.3.2彎曲小波變換
11.3.3快速離散條帶波變換
11.4第二代條帶波變換
11.4.1第二代條帶波的構造思想
11.4.2第二代條帶波的主要實現步驟
11.4.3最優幾何方向的選擇
11.5基於第二代條帶波變換的圖像壓縮
11.5.1基於第二代條帶波變換的圖像壓縮編碼
11.5.2基於第二代條帶波和SPIHT的圖像壓縮
11.5.3基於圖像分層表示的第二代條帶波域圖像壓縮
11.6基於第二代條帶波變換的圖像去噪
11.6.1基於第二代條帶波的多層自適應閾值的圖像去噪
11.6.2基於平穩第二代條帶波的圖像去噪
11.6.3基於廣義交叉驗證和第二代平移不變條帶波的SAR圖像相幹斑抑制
11.6.4結論
11.7基於第二代條帶波變換的多聚焦圖像融合
11.8基於第二代條帶波變換的圖像分割
11.9本章小結
本章參考文獻 12.1引言
12.2各向異性二維小波分解
12.2.1完全可分離小波變換
12.2.2各向異性小波變換
12.3基於格的斜小波變換
12.3.1整數格理論
12.3.2斜小波變換
12.3.3多相表示
12.4基於整數格邊緣檢測的圖像融合
12.4.1基於整數格的邊緣提取
12.4.2圖像融合準則
12.4.3算法實現策略
12.4.4融合結果評估
12.4.5對比實驗及結果分析
12.4.6結論
12.5融合紋理奇異性的圖像分割
12.5.1基於灰度***生矩陣的特征提取
12.5.2基於小波變換的特征提取
12.5.3基於整數格的特征提取
12.5.4對比實驗及結果分析
12.5.5結論
12.6本章小結
本章參考文獻 13.1引言
13.2剪切波
13.3使用連續剪切波分析邊緣
13.4離散剪切波變換
13.5本章小結
本章參考文獻
……