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

基于多特征的图像表观迁移技术研究

中文摘要第4-5页
ABSTRACT第5页
第1章 绪论第8-12页
    1.1 研究背景与意义第8页
    1.2 国内外研究现状第8-9页
    1.3 本文主要工作第9-10页
    1.4 本文章节安排第10-12页
第2章 表观迁移方法综述第12-20页
    2.1 基于颜色的表观迁移方法第12-14页
    2.2 基于纹理的表观迁移方法第14页
    2.3 基于多特征的表观迁移方法第14-15页
    2.4 其它表观迁移方法第15-19页
        2.4.1 基于卷积神经网络的表观迁移方法第15-18页
        2.4.2 基于用户交互的表观迁移方法第18-19页
    2.5 本章小结第19-20页
第3章 结合颜色和纹理的图像表观迁移第20-36页
    3.1 方法总揽第20-21页
    3.2 基于特征点集扩充的自动迁移区域检测第21-25页
        3.2.1 特征点检测与特征点集扩充第22-24页
        3.2.2 迁移区域获取第24-25页
    3.3 基于笔画交互的多源图像迁移区域检测第25-28页
        3.3.1 笔画标记和笔画自动修正第26-27页
        3.3.2 基于编辑传播的区域检测第27-28页
        3.3.3 多源迁移源选择第28页
    3.4 图像表观迁移第28-31页
        3.4.1 基于统计的颜色迁移第29-30页
        3.4.2 基于块的纹理迁移第30-31页
    3.5 实验结果及对比分析第31-36页
第4章 结合颜色和光照的复杂光照图像表观迁移第36-50页
    4.1 方法总揽第36-37页
    4.2 复杂光照的检测第37-38页
    4.3 基于卷积神经网络的光照迁移第38-43页
        4.3.1 数据获取和处理第39-40页
        4.3.2 卷积神经网络的搭建第40-41页
        4.3.3 卷积神经网络的训练第41-43页
        4.3.4 光照迁移第43页
    4.4 基于参考图像的颜色迁移第43-45页
    4.5 迁移结果的优化第45-46页
    4.6 实验结果及对比分析第46-50页
第5章 总结与展望第50-52页
    5.1 本文的总结第50页
    5.2 未来工作的展望第50-52页
参考文献第52-56页
附录A第56-58页
发表论文和参加科研情况说明第58-60页
致谢第60-61页

论文共61页,点击 下载论文
上一篇:基于多特征的图像表观迁移技术研究
下一篇:基于FCA动态反馈模型的政府投资项目管理信息系统设计