彩色图像的伪彩色处理
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-9页 |
| 第1章 引言 | 第9-13页 |
| ·伪彩色处理技术的意义 | 第9-10页 |
| ·伪彩色处理的基本原理 | 第10页 |
| ·彩色图像分割的发展及现状 | 第10-11页 |
| ·本文的主要工作 | 第11-12页 |
| ·本文的安排 | 第12-13页 |
| 第2章 图像分割技术研究 | 第13-19页 |
| ·图像分割技术概述 | 第13-14页 |
| ·彩色图像分割的方法 | 第14-19页 |
| ·基于像素的技术 | 第14-15页 |
| ·基于区域的技术 | 第15页 |
| ·基于边缘的技术 | 第15-16页 |
| ·基于模型的技术 | 第16页 |
| ·基于物理的技术 | 第16-17页 |
| ·基于人工神经网络的技术 | 第17页 |
| ·基于模糊技术 | 第17-18页 |
| ·其它新技术 | 第18-19页 |
| 第3章 基于小波变换的特征提取 | 第19-36页 |
| ·小波变换基础 | 第19-25页 |
| ·连续小波的概念 | 第19-21页 |
| ·离散小波变换 | 第21页 |
| ·二维小波变换 | 第21-23页 |
| ·小波的多分辨率分析 | 第23-25页 |
| ·二维图像的小波变换 | 第25-28页 |
| ·Gabor小波滤波器 | 第28-36页 |
| ·二维Gabor函数 | 第29-31页 |
| ·二维Ggbor小波滤波器 | 第31-33页 |
| ·Gabor小波滤波器在图像特征提取中的应用 | 第33-36页 |
| 第4章 基于BP神经网络的图像分割 | 第36-56页 |
| ·人工神经网络概述 | 第36-40页 |
| ·人工神经网络的基本概念和基本特征 | 第36-39页 |
| ·人工神经网络的应用及发展方向 | 第39-40页 |
| ·BP神经网络及其特点 | 第40-43页 |
| ·BP神经网络的结构 | 第40-41页 |
| ·BP神经网络的δ学习规则 | 第41-42页 |
| ·激活函数为Sigmoid函数时的BP算法 | 第42-43页 |
| ·本文对传统BP神经网络的改进 | 第43-50页 |
| ·传统BP神经网络的一些缺陷 | 第43-45页 |
| ·用于图像分割的BP神经网络的改进 | 第45-50页 |
| ·基于BP神经网络的图像分割实验 | 第50-56页 |
| ·图像特征的提取 | 第50-51页 |
| ·分类器的设计 | 第51-52页 |
| ·彩色图像分割实验 | 第52-56页 |
| 结束语 | 第56-58页 |
| 附录 BP学习规则流程图 | 第58-60页 |
| 参考文献 | 第60-62页 |
| 致谢 | 第62-63页 |
| 攻读学位期间发表的主要学术论文 | 第63-64页 |
| 学位论文评阅及答辩情况表 | 第64页 |
