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

基于支持向量机的图像插值及应用研究

摘要第1-5页
Abstract第5-9页
第1章 绪论第9-14页
   ·课题背景与意义第9-10页
   ·国内外研究现状第10-13页
     ·灰度图像插值第10-11页
     ·彩色图像插值第11页
     ·CFA插值第11-12页
     ·支持向量机插值第12-13页
   ·研究内容第13-14页
第2章 基于支持向量机的彩色滤波阵列插值第14-36页
   ·引言第14页
   ·彩色滤波阵列插值第14-16页
   ·常见的彩色插值失真现象第16-17页
     ·伪彩色第16-17页
     ·拉链效应第17页
   ·插值图像质量评价第17-20页
     ·峰值信噪比第17-18页
     ·标准色差第18-20页
   ·图像相关性第20-21页
     ·空间相关性第20页
     ·色彩相关性第20-21页
   ·支持向量机第21-27页
     ·线性支持向量机第22-23页
     ·非线性支持向量机第23-24页
     ·支持向量回归机第24-27页
   ·基于支持向量机的CFA插值第27-35页
     ·SVR的应用原理第27-28页
     ·插值算法第28-31页
     ·实验结果分析第31-35页
   ·本章小结第35-36页
第3章 基于支持向量机的边缘自适应彩色滤波阵列插值第36-54页
   ·引言第36页
   ·边缘检测第36-40页
     ·微分算子法第37-39页
     ·拉普拉斯——高斯算子法第39-40页
     ·Canny算子第40页
   ·基于支持向量机插值的CFA边缘矫正第40-46页
     ·矫正算法第40-43页
     ·实验结果分析第43-46页
   ·基于支持向量机的边缘自适应彩色滤波阵列插值第46-53页
     ·对CFA图像边缘检测第47-49页
     ·插值平滑区域第49-50页
     ·插值边缘区域第50页
     ·实验结果分析第50-53页
   ·本章小结第53-54页
第4章 支持向量机的参数选择第54-65页
   ·引言第54页
   ·基于遗传算法的支持向量机参数选择第54-57页
     ·遗传算法基本原理第54-55页
     ·遗传算法的基本框架第55-56页
     ·基于GA的SVM参数寻优第56-57页
   ·基于粒子群优化算法的支持向量机参数选择第57-59页
     ·粒子群优化算法的基本原理第57-58页
     ·基于PSO的SVM参数寻优第58-59页
   ·参数选择在图像插值中的应用第59-64页
     ·基于GA的SVM参数寻优在图像插值中的应用第59-60页
     ·基于PSO的SVM参数寻优在图像插值中的应用第60-61页
     ·实验结果分析第61-64页
   ·本章小结第64-65页
结论第65-66页
参考文献第66-71页
攻读学位期间发表的学术论文第71-73页
致谢第73页

论文共73页,点击 下载论文
上一篇:道路交通事故数据挖掘及应用研究
下一篇:面向三维场景生成的中文语义角色标注方法研究