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

分数阶微积分在图像处理中的算法研究与改进

摘要第4-5页
Abstract第5-6页
第一章 绪论第7-13页
    1.1 课题背景及意义第7-8页
    1.2 国内外研究现状第8-11页
        1.2.1 分数阶微积分在非图像处理领域的研究现状第8-9页
        1.2.2 分数阶积分在图像去噪领域的研究现状第9-10页
        1.2.3 分数阶微分在边缘检测领域的研究现状第10-11页
    1.3 章节安排及创新点第11-13页
第二章 图像去噪与边缘检测的基本理论第13-27页
    2.1 图像噪声的分类及质量评价第13-16页
        2.1.1 噪声的分类第13-15页
        2.1.2 图像去噪评价第15-16页
    2.2 传统的图像去噪模型第16-19页
        2.2.1 空间域滤波法第16-18页
        2.2.2 变换域滤波法第18-19页
    2.3 图像边缘检测理论第19-21页
        2.3.1 图像边缘检测概述第20页
        2.3.2 边缘检测原理第20-21页
    2.4 经典边缘检测算子法第21-26页
        2.4.1 一阶边缘检测技术第21-24页
        2.4.2 二阶边缘检测技术第24-26页
    2.5 本章小结第26-27页
第三章 分数阶微积分的基本理论第27-35页
    3.1 分数阶微积分定义第27-29页
    3.2 分数阶微积分与整数阶微积分的比较第29-31页
    3.3 分数阶微积分对信号的作用第31-34页
        3.3.1 分数阶微分运算对信号的作用分析第31-33页
        3.3.2 分数阶积分运算对信号的作用分析第33-34页
    3.4 本章小结第34-35页
第四章 分数阶积分在图像去噪中的应用第35-43页
    4.1 传统自适应中值滤波算法第35-36页
    4.2 噪声点检测第36页
    4.3 分数阶积分掩膜构造及噪声点的去除第36-38页
    4.4 算法的具体实施方案第38-39页
    4.5 实验结果分析第39-42页
    4.6 本章小结第42-43页
第五章 分数阶微分在边缘检测中的应用第43-51页
    5.1 传统canny边缘检测算法第43-44页
    5.2 改进的canny边缘检测算法第44-47页
        5.2.1 改进的高斯平滑滤波第44-45页
        5.2.2 梯度幅值的计算和改进第45-47页
        5.2.3 迭代算法求取阈值第47页
    5.3 算法具体实施方案第47-48页
    5.4 实验结果分析第48-50页
    5.5 本章小结第50-51页
第六章 总结与展望第51-53页
    6.1 本文工作总结第51-52页
    6.2 未来工作展望第52-53页
参考文献第53-55页
攻读硕士学位期间取得的学术成果第55-57页
致谢第57-59页

论文共59页,点击 下载论文
上一篇:基于增量深度学习的视频行为识别
下一篇:基于忆阻神经网络的车牌识别研究