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

基于内容的视频图像非线性缩放技术研究

摘要第1-7页
ABSTRACT第7-9页
目录第9-13页
第1章 绪论第13-21页
   ·研究背景及现状第13-15页
     ·LED大屏幕显示器发展历史第13-14页
     ·LED大屏幕显示器的关键技术第14-15页
   ·视频非线性缩放技术发展现状第15-17页
   ·论文主要内容第17-18页
   ·论文结构安排第18-20页
   ·参考文献第20-21页
第2章 自适应的边缘提取第21-57页
   ·引言第21-22页
   ·边缘检测技术的发展第22-27页
   ·CANNY算子第27-29页
     ·经典Canny算法第27-29页
     ·对经典Canny算法的改进第29页
   ·自适应CANNY边缘检测方法设计第29-34页
     ·GDH方法第30-32页
     ·图像分类处理方法第32-34页
   ·实验与结论第34-44页
     ·灰度图实验第34-37页
     ·RGB彩色图实验第37-39页
     ·边缘检测算法抗噪性能测试第39-42页
     ·边缘检测算法执行时间第42-43页
     ·实验结论第43-44页
   ·边缘细化第44-51页
     ·细化的定义及要求第45页
     ·细化的国内外研究现状第45-47页
     ·一种新的细化算法第47-51页
   ·本章小结第51-52页
   ·参考文献第52-57页
第3章 图像非线性缩放第57-87页
   ·引言第57-59页
   ·国内外发展现状第59-64页
     ·传统的图像缩放技术第59-62页
     ·基于边缘的缩放算法第62-63页
     ·非线性缩放技术第63-64页
   ·基于内容的图像非线性缩放算法第64-72页
     ·去除杂散边缘算法第64-66页
     ·非线性缩放算法第66-72页
   ·实验效果与结论第72-74页
   ·算法复杂度分析第74-81页
     ·空间复杂度分析第74-76页
     ·时间复杂度分析第76-81页
   ·算法在LED大屏幕显示系统中的应用第81-83页
   ·本章小结第83-85页
   ·参考文献第85-87页
第4章 基于GPU的并行优化设计第87-105页
   ·加速比和并行效率第87-90页
     ·加速比第87-89页
     ·并行效率第89-90页
   ·GPU的发展历史第90-92页
   ·GPU的性能第92-94页
     ·GPU的并行运算能力第92-93页
     ·GPU的可编程性第93-94页
   ·算法的并行优化第94-101页
     ·算法优化整体介绍第95-96页
     ·高效地GPU存储器访问设计第96-98页
     ·纹理存储器空间第98-99页
     ·彩色图像的多通道设计第99页
     ·算法的GPU移植设计第99-100页
     ·核函数设计第100-101页
   ·优化结果第101-102页
   ·本章小结第102-103页
   ·参考文献第103-105页
第5章 DIRECTSHOW视频处理第105-125页
   ·DIRECTSHOW技术的发展第105-107页
   ·DIRECTSHOW架构介绍第107-114页
     ·DirectX简介第107页
     ·DirectShow主要架构第107-110页
     ·过滤器简介第110-114页
   ·基于内容的视频图像非线性缩放过滤器设计第114-119页
     ·本课题的主要功能概述第114-115页
     ·过滤器设计第115-116页
     ·编码实现第116-119页
   ·过滤器的调试发布第119-121页
     ·调试运行第119-120页
     ·过滤器的发布第120-121页
   ·本章小结第121-123页
   ·参考文献第123-125页
第6章 结论与展望第125-129页
   ·全文工作总结第125页
   ·论文创新点第125-126页
   ·展望第126-129页
在学期间学术成果情况第129-131页
 发表文章第129-131页
指导教师及作者简介第131-133页
 指导教师简介第131页
 作者简介第131-133页
致谢第133页

论文共133页,点击 下载论文
上一篇:图像快速配准与自动拼接技术研究
下一篇:一种新型超分辨重建技术的研究