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

偏微分方程在图像处理中的一些应用

摘要第3-4页
Abstract第4页
目录第5-8页
第一章 绪论第8-16页
    1.1 图像模型分类与计算机视觉第8-10页
        1.1.1 图像数学模型与分类第8-9页
        1.1.2 图像处理与计算机视觉第9-10页
    1.2 图像处理的一些方法第10-13页
        1.2.1 基于统计模型的方法第10-11页
        1.2.2 基于信号处理的方法第11-12页
        1.2.3 基于偏微分方程的方法第12-13页
    1.3 数字图像处理的一些应用第13-16页
        1.3.1 生物医学工程方面第13-14页
        1.3.2 航天和航空方面第14页
        1.3.3 人类视觉和模式识别第14-16页
第二章 偏微分方程图像处理的基本概念和数学准备第16-24页
    2.1 引言第16页
    2.2 图像处理的基本概念第16-17页
    2.3 偏微分方程图像处理的数学准备第17-22页
        2.3.1 曲线与曲面的几何演化第17-18页
        2.3.2 水平集方法第18-20页
        2.3.3 变分水平集方法第20-22页
    2.4 本章小结第22-24页
第三章 图像去噪和滤波的偏微分方程方法第24-36页
    3.1 噪声的形成和来源第24页
    3.2 图像梯度和图像的能量办法第24-28页
        3.2.1 图像的能量办法基本概念第24-26页
        3.2.2 能量办法数值实现第26-28页
    3.3 基于偏微分方程的图像去噪和滤波第28-35页
        3.3.1 由热方程引出的图像处理过程第28-30页
        3.3.2 Perona-Malik模型第30-33页
        3.3.3 图像滤波第33-35页
    3.4 本章小结第35-36页
第四章 图像分割的偏微分方程方法第36-44页
    4.1 引言第36页
    4.2 Mumford-Shah泛函和基本分割模型第36页
    4.3 Kass-Witkin-Terzopoulos模型第36-37页
        4.3.1 KWT模型的基本定义第36-37页
        4.3.2 关于能量J(c)的一些说明第37页
    4.4 Geodesic Active Contours模型第37-39页
        4.4.1 GAC模型的建立第37-38页
        4.4.2 GAC模型的分割效果第38-39页
    4.5 CV模型第39-41页
        4.5.1 CV模型的建立第39-40页
        4.5.2 CV模型的分割效果第40-41页
    4.6 GAC模型和CV模型的比较分析第41页
    4.7 Mumford-Shah模型的扩展与延拓第41-43页
        4.7.1 Mumford-Shah模型的基本性质第41页
        4.7.2 如何对Mumford-Shah模型进行扩展第41-42页
        4.7.3 改进Mumford-Shah模型的可利用信息第42-43页
    4.8 本章小结第43-44页
第五章 偏微分方程的图像处理方法在人脸模式识别中的应用第44-54页
    5.1 人脸模式识别和机器学习介绍第44-46页
        5.1.1 人脸识别和机器学习的背景第44页
        5.1.2 人脸特征及选取第44-45页
        5.1.3 特性的识别效果第45页
        5.1.4 高效人脸识别的要求第45-46页
        5.1.5 人脸识别的现实应用第46页
    5.2 Shock滤波器在人脸识别中的应用第46-48页
        5.2.1 shock滤波器的应用背景第46-47页
        5.2.2 一个简单的应用第47页
        5.2.3 数据案例分析第47-48页
    5.3 几类分割方法在人脸识别中的应用第48-52页
        5.3.1 GAC模型的人脸特征提取第49-50页
        5.3.2 CV模型的人脸特征提取第50-51页
        5.3.3 不同分割模型在脸部特征提取中的特性第51-52页
    5.4 偏微分方程方法在人脸识别过程中的优点和不足第52页
        5.4.1 偏微分方程方法在人脸识别过程中的优点第52页
        5.4.2 偏微分方程方法在人脸识别过程中的不足第52页
    5.5 本章小结第52-54页
第六章 展望第54-56页
参考文献第56-59页
攻读学位期间取得的研究成果第59-60页
致谢第60-62页

论文共62页,点击 下载论文
上一篇:虚拟校园漫游系统的设计与实现
下一篇:基于整数的全同态加密方案设计研究