基于静电场模型的图像重建算法研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第1章 绪论 | 第11-18页 |
| ·研究背景 | 第11-12页 |
| ·目的与意义 | 第12-14页 |
| ·国内外研究现状 | 第14-17页 |
| ·基于图像几何特征的图像重建 | 第14-15页 |
| ·基于图像纹理特征的图像重建 | 第15页 |
| ·基于稀疏变换的图像重建 | 第15-17页 |
| ·本文研究工作 | 第17-18页 |
| 第2章 图像重建基础 | 第18-23页 |
| ·图像重建的理论基础 | 第18-19页 |
| ·图像重建模型的建立 | 第19-22页 |
| ·图像重建问题的描述 | 第19-20页 |
| ·图像重建的基本原则 | 第20-21页 |
| ·图像重建算法的评价 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第3章 图像重建探索及分析 | 第23-47页 |
| ·基于像素优先级的梯度方向图像重建算法 | 第23-29页 |
| ·算法简介 | 第23页 |
| ·像素优先级 | 第23-25页 |
| ·梯度方向 | 第25-26页 |
| ·重建的具体实现 | 第26-27页 |
| ·仿真实验及分析 | 第27-29页 |
| ·结论 | 第29页 |
| ·小波域的快速图像自适应图像重建算法 | 第29-35页 |
| ·算法简介 | 第29-30页 |
| ·图像小波变换 | 第30-31页 |
| ·快速自适应图像重建 | 第31-33页 |
| ·仿真实验及分析 | 第33-35页 |
| ·结论 | 第35页 |
| ·基于 ICA 学习字典的图像重建算法 | 第35-44页 |
| ·算法简介 | 第35-36页 |
| ·稀疏表示 | 第36页 |
| ·基于 ICA 的学习字典和图像重建 | 第36-40页 |
| ·仿真实验及分析 | 第40-44页 |
| ·结论 | 第44页 |
| ·图像局部稳定场模型 | 第44-46页 |
| ·图像与稳定场 | 第44-45页 |
| ·描述图像的稳定场方程 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第4章 基于静电场模型的图像重建算法 | 第47-59页 |
| ·引言 | 第47页 |
| ·图像局部纹理与稳定场 | 第47-48页 |
| ·基于静电场的图像重建算法 | 第48-52页 |
| ·静电场模型 | 第48-49页 |
| ·静电场模型求解点源影响函数 | 第49-52页 |
| ·仿真实验及分析 | 第52-57页 |
| ·本章小结 | 第57-59页 |
| 第5章 面向静电场模型的边缘分析重建算法 | 第59-69页 |
| ·引言 | 第59页 |
| ·面向静电场重建模型 | 第59-60页 |
| ·边缘分析计算方法 | 第60-64页 |
| ·边缘类型分析 | 第61-62页 |
| ·主梯度分析 | 第62-64页 |
| ·重建具体实现 | 第64页 |
| ·实验结果及分析 | 第64-67页 |
| ·几何图像重建效果对比 | 第64-65页 |
| ·实际图像重建效果对比 | 第65-67页 |
| ·本章小结 | 第67-69页 |
| 第6章 总结与展望 | 第69-71页 |
| ·总结 | 第69页 |
| ·展望 | 第69-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 附录 | 第76页 |
