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

图像去模糊技术及相关图像增强系统

摘要第4-5页
ABSTRACT第5-6页
第一章 绪论第9-15页
    1.1 课题研究的背景及意义第9-10页
    1.2 国内外研究现状第10-12页
    1.3 本文工作成果第12-13页
    1.4 本文结构框架第13-14页
    1.5 本章总结第14-15页
第二章 图像增强理论基础第15-23页
    2.1 图像增强常用方法第15-19页
        2.1.1 像素域图像增强第15-19页
    2.2 图像退化模型第19-21页
        2.2.1 连续函数退化模型第19-20页
        2.2.2 离散函数退化模型第20-21页
    2.3 图像噪声模型第21-22页
        2.3.1 噪声来源第21页
        2.3.2 噪声模型第21-22页
    2.4 本章总结第22-23页
第三章 图像去模糊技术第23-39页
    3.1 图像去运动模糊第23-34页
        3.1.1 运动模糊图像特点第23-24页
        3.1.2 非盲去运动模糊第24-29页
        3.1.3 非盲去运动模糊实验结果第29-30页
        3.1.4 盲去运动模糊第30-32页
        3.1.5 盲去运动模糊实验结果第32-33页
        3.1.6 算法性能第33-34页
    3.2 图像去雾第34-38页
        3.2.1 带雾图像特点第34-35页
        3.2.2 去雾增强算法第35-37页
        3.2.3 去雾实验结果第37-38页
        3.2.4 算法性能第38页
    3.3 本章总结第38-39页
第四章 人像美颜技术第39-55页
    4.1 图像去噪算法第39-44页
        4.1.1 高斯滤波第39-40页
        4.1.2 均值滤波第40-41页
        4.1.3 双边滤波第41-42页
        4.1.4 引导滤波第42-43页
        4.1.5 中值滤波第43-44页
    4.2 人像美颜算法第44-48页
        4.2.1 人脸图像特点第44-45页
        4.2.2 人脸肤色选取第45-46页
        4.2.3 基于局部均方差滤波第46-48页
    4.3 美颜实验结果第48页
    4.4 算法评测对比第48-52页
    4.5 算法性能第52-53页
    4.6 本章总结第53-55页
第五章 图像增强系统实现第55-61页
    5.1 系统需求第55页
    5.2 系统流程第55-56页
    5.3 系统框架及实现第56-59页
    5.4 本章总结第59-61页
第六章 总结与展望第61-63页
    6.1 论文总结第61-62页
    6.2 工作展望第62-63页
参考文献第63-65页
致谢第65-67页
攻读学位期间发表的学术论文目录第67页

论文共67页,点击 下载论文
上一篇:基于Hadoop的乡村休闲旅游推荐系统研究与设计
下一篇:基于深度学习的人脸检测与识别