基于边缘检测的数字图像数据压缩算法研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 图像数据压缩方法及图像矢量化方法综述 | 第9-12页 |
| 1.2.1 图像矢量化算法 | 第9-10页 |
| 1.2.2 数字图像数据压缩方法 | 第10-12页 |
| 1.2.3 数字图像的矢量化压缩算法 | 第12页 |
| 1.3 本文的主要工作与内容安排 | 第12-16页 |
| 1.3.1 本文的主要工作 | 第12-14页 |
| 1.3.2 本文的组织结构 | 第14-16页 |
| 第2章 图像边缘提取 | 第16-32页 |
| 2.1 相关概念 | 第16-19页 |
| 2.1.1 图像噪声与图像滤波 | 第16-17页 |
| 2.1.2 图像边缘与边缘检测 | 第17-19页 |
| 2.2 边缘检测算法的分类 | 第19-28页 |
| 2.2.1 经典的边缘提取算法 | 第20-25页 |
| 2.2.2 基于全局最优的边缘提取算法 | 第25-27页 |
| 2.2.3 基于信号处理的边缘提取算法 | 第27-28页 |
| 2.3 边缘颜色信息的提取 | 第28-29页 |
| 2.4 本章小节 | 第29-32页 |
| 第3章 图像边缘后处理 | 第32-44页 |
| 3.1 边缘后处理的意义 | 第32-34页 |
| 3.2 边缘后处理的分类 | 第34-35页 |
| 3.3 边缘细化 | 第35-39页 |
| 3.3.1 Hilditch细化算法 | 第35-37页 |
| 3.3.2 OPTA细化算法 | 第37页 |
| 3.3.3 Zhang-Suen快速并行算法 | 第37-38页 |
| 3.3.4 HSCP细化算法 | 第38页 |
| 3.3.5 基于数学形态学的细化算法 | 第38-39页 |
| 3.4 增强边缘连通性 | 第39-42页 |
| 3.4.1 区域生长 | 第40页 |
| 3.4.2 分裂合并算法 | 第40-41页 |
| 3.4.3 数学形态法 | 第41-42页 |
| 3.5 本章小节 | 第42-44页 |
| 第4章 边缘曲线拟合与图像重建 | 第44-62页 |
| 4.1 边缘曲线拟合 | 第44-51页 |
| 4.1.1 曲线拟合的方法 | 第44-49页 |
| 4.1.2 边缘曲线的分类 | 第49-51页 |
| 4.1.3 边缘颜色信息的拟合 | 第51页 |
| 4.2 光栅图像的扩散重建 | 第51-57页 |
| 4.2.1 边缘曲线的光栅化 | 第52-55页 |
| 4.2.2 图像颜色扩散 | 第55-57页 |
| 4.3 实验结果分析及总结 | 第57-61页 |
| 4.3.1 实验结果 | 第57-58页 |
| 4.3.2 实验结果分析 | 第58-61页 |
| 4.4 本章小节 | 第61-62页 |
| 第5章 总结与展望 | 第62-66页 |
| 5.1 本文工作总结 | 第62-63页 |
| 5.2 本文创新之处 | 第63页 |
| 5.3 进一步研究工作展望 | 第63-66页 |
| 参考文献 | 第66-71页 |
| 攻读硕士学位期间参与的项目及撰写的论文等 | 第71-72页 |
| 致谢 | 第72页 |
