• 1. 图像退化/复原过程的模型 • 2. 图像噪声的空间和频率特性 • 3. 图像噪声参数的估计及空间滤波复原 • 4. 线性位置不变系统退化函数的估计 • 5. 逆滤波 • 6. 维纳滤波 • 7. 约束最小二乘滤波 • 8. L0 Regularized平滑滤波

问题的提出 在前述各章中我们假定随机扰动项服从均值=0,方差 等于(常数),独立同分布。但是,并没有假定随机扰 动项服从何种具体的分布。 由于没有假定服从何种具体的分布,因而无法计算随 机扰动项取不小于某值的概率,因而也无法计算估计量 取某种值的概率,也就无法对统计量进行假设检验和进 行区间估计

第一节 两总体大样本假设检验 第二节 两总体小样本假设检验 第三节 配对样本的假设检验 第四节 双样本区间估计

 基本概念与枢轴变量法  正态总体情形  双正态总体情形  单侧置信区间  非正态总体均值的区间估计

一、假设检验的概念 二、两类错误 三、假设检验与区间估计间的关系:置信区间法 四、假设检验的应用

一、估计(Etma)力求对一种商品的需求水 平与决定其变量之间的联系加以量化 二、对饭店房间的需求取决于 1 房间的价格 2 床位价格与免费早餐 3 旅客所在国家的家庭水平

1 一个例子 2 最小二乘法 3 从线性到非线性：用线性模型 4 概率解释 最大似然估计 最大后验概率估计 正则化效果 5 偏置-方差困境 损失函数的第一步分解 损失函数的第二步分解 对多个数据集的简单总结

一、谱分析方法概述 二、自回归滑动平均模型 三、自回归谱的建模与估计 四、谱估计综合举例

一、计算函数增量的近似值 二、计算函数的近似值 三、误差估计 四、小结思考题一、计算函数增量的近似值 二、计算函数的近似值 三、误差估计 四、小结思考题

二、寻求估计量的方法 1.矩估计法 2.极大似然法 3.最小二乘法 4.贝叶斯方法