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

基于局部竞争机制的图像稀疏表示方法研究

摘要第1-6页
ABSTRACT第6-11页
第1章 绪论第11-17页
   ·课题研究背景第11页
   ·课题的研究目的及意义第11-13页
   ·课题的研究现状第13-16页
   ·本文的研究内容和组织结构第16-17页
第2章 人眼初级视觉特性第17-24页
   ·引言第17页
   ·细胞感受野及其局部竞争特性第17-20页
     ·视网膜与侧膝体神经元的感受野第17-19页
     ·初级视皮层神经元的感受野第19页
     ·神经元的局部竞争特性第19-20页
   ·简单细胞数学模型第20-23页
     ·Gabor 滤波器第20页
     ·高斯函数第20-21页
     ·方向可控滤波器金字塔算法第21-23页
     ·简单细胞数学模型比较第23页
   ·本章小结第23-24页
第3章 信号与图像的稀疏分解第24-32页
   ·引言第24页
   ·信号稀疏表示第24-25页
   ·图像的稀疏分解第25-31页
     ·图像稀疏分解基本思想第26-27页
     ·图像的多尺度几何稀疏表示第27-31页
   ·本章小结第31-32页
第4章 基于视觉特性的双树复数小波图像稀疏表示算法第32-50页
   ·引言第32页
   ·传统小波变换的缺陷第32-35页
   ·复数小波变换基本理论第35-37页
     ·双树复数小波变换性质特点第35-36页
     ·双树复数小波变换的实现第36-37页
   ·基于视觉特性改进的双树复数小波对图像稀疏表示第37-49页
     ·图像迭代投影第38-40页
     ·算法实现步骤第40-42页
     ·实验结果及性能分析第42-49页
   ·本章小结第49-50页
第5章 基于MARR-LIKE金字塔和TETROLET变换的图像稀疏表示算法第50-65页
   ·引言第50页
   ·MARR-LIKE 小波金字塔第50-56页
     ·Marr 初级视觉理论和主要素第50-51页
     ·Marr-like 小波金子塔第51-53页
     ·Marr 小波主要素(Wavelet Primal Sketch)第53-54页
     ·小波主要素重构图像第54-56页
   ·自适应TETROLET 算法第56-63页
     ·四格拼板堆叠方法第57-58页
     ·Tetrolet 基本思想第58-59页
     ·Tetrolet 滤波器算法的具体描述第59-63页
   ·基于MARR-LIKE 金字塔和TETROLET 变换的图像稀疏表示实验结果第63-64页
   ·本章小结第64-65页
结论第65-67页
参考文献第67-75页
攻读硕士学位期间承担的科研任务与主要成果第75-76页
致谢第76-77页
作者简介第77页

论文共77页,点击 下载论文
上一篇:凹多面体的子Minkowski和合并算法研究
下一篇:基于PIC单片机的AGC下位机系统设计及实现