首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

太赫兹图像增强与分割方法研究

摘要第4-6页
abstract第6-7页
第一章 绪论第13-20页
    1.1 课题的研究背景和意义第13-14页
    1.2 课题的国内外研究概况第14-17页
        1.2.1 太赫兹图像去噪第14-15页
        1.2.2 太赫兹图像增强第15-16页
        1.2.3 太赫兹图像分割与边缘检测第16-17页
    1.3 本文的章节安排及创新点第17-20页
        1.3.1 本文的章节安排第17-18页
        1.3.2 本文的主要创新点第18-20页
第二章 基于局部主邻域字典的太赫兹图像去噪方法第20-29页
    2.1 引言第20-21页
    2.2 基于主邻域字典的图像去噪方法第21-22页
    2.3 基于局部主邻域字典的图像去噪方法第22-25页
    2.4 实验结果和分析第25-28页
    2.5 本章小结第28-29页
第三章 基于空域引导图和快速局部拉普拉斯滤波的太赫兹图像增强方法第29-36页
    3.1 引言第29-30页
    3.2 局部拉普拉斯滤波第30-31页
    3.3 基于空域引导图的快速局部拉普拉斯滤波第31-33页
    3.4 实验结果与分析第33-35页
    3.5 本章小结第35-36页
第四章 基于区域方差加权项的改进CV模型图像分割方法第36-44页
    4.1 引言第36-37页
    4.2 CV模型第37-38页
    4.3 区域方差加权项的改进CV模型第38-41页
    4.4 实验结果与分析第41-43页
    4.5 本章小结第43-44页
第五章 基于K均值聚类和改进CV模型的太赫兹图像分割第44-51页
    5.1 引言第44-45页
    5.2 粒子群优化的K均值聚类算法第45页
    5.3 改进边缘指示函数的CV模型第45-47页
    5.4 实验结果与分析第47-50页
    5.5 本章小结第50-51页
第六章 基于主成分分析和活动轮廓模型的太赫兹图像边缘检测方法第51-59页
    6.1 引言第51-52页
    6.2 LBF模型第52-53页
    6.3 基于PCA的活动轮廓模型第53-56页
    6.4 实验结果与分析第56-58页
    6.5 本章小结第58-59页
第七章 总结和展望第59-61页
    7.1 本文的主要工作第59-60页
    7.2 进一步的研究工作及展望第60-61页
参考文献第61-69页
致谢第69-70页
在学期间的研究成果及发表的学术论文第70页

论文共70页,点击 下载论文
上一篇:基于标签和信任关系的推荐算法研究
下一篇:BIM技术在异形GRC幕墙工程中的应用