| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 研究现状 | 第12-16页 |
| 1.2.1 平滑滤波技术研究现状 | 第12-14页 |
| 1.2.2 平滑滤波快速算法研究现状 | 第14-16页 |
| 1.3 论文主要工作及结构安排 | 第16-17页 |
| 第二章 平滑滤波算法分析 | 第17-27页 |
| 2.1 传统平滑滤波算法 | 第17-18页 |
| 2.1.1 均值滤波 | 第17页 |
| 2.1.2 中值滤波 | 第17-18页 |
| 2.1.3 高斯滤波 | 第18页 |
| 2.2 边缘保持滤波算法 | 第18-26页 |
| 2.2.1 双边滤波算法 | 第18-19页 |
| 2.2.2 各向异性扩散模型 | 第19-20页 |
| 2.2.3 基于全变差模型算法 | 第20-22页 |
| 2.2.4 L0梯度最小化平滑算法 | 第22-24页 |
| 2.2.5 基于加权最小二乘法平滑算法 | 第24-26页 |
| 2.3 本章小结 | 第26-27页 |
| 第三章 纹理抑制平滑滤波及其快速算法 | 第27-41页 |
| 3.1 纹理抑制平滑滤波算法 | 第27-36页 |
| 3.1.1 算法原理 | 第27-29页 |
| 3.1.2 实验结果与分析 | 第29-36页 |
| 3.2 纹理抑制平滑滤波快速算法 | 第36-40页 |
| 3.2.1 算法原理 | 第36页 |
| 3.2.2 算法实现 | 第36-37页 |
| 3.2.3 实验结果与分析 | 第37-40页 |
| 3.3 本章小结 | 第40-41页 |
| 第四章 基于Adaboost多特征融合的织物扫描图案识别 | 第41-49页 |
| 4.1 算法流程 | 第41-42页 |
| 4.2 特征提取 | 第42-44页 |
| 4.2.1 边缘方向直方图 | 第42-43页 |
| 4.2.2 MSER特征 | 第43页 |
| 4.2.3 灰度共生矩阵 | 第43-44页 |
| 4.3 Adaboost分类算法 | 第44-45页 |
| 4.4 实验结果与分析 | 第45-48页 |
| 4.5 本章小结 | 第48-49页 |
| 第五章 总结与展望 | 第49-51页 |
| 5.1 总结 | 第49页 |
| 5.2 展望 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 致谢 | 第55-56页 |
| 攻读学位期间的研究成果 | 第56页 |