图像轮廓线压缩方法的研究
| 第一章 绪论 | 第1-11页 |
| 1．1 图像压缩必要性和广泛应用 | 第8-9页 |
| 1．2 图像压缩尚存在的问题 | 第9-10页 |
| 1．3 本文主要的工作 | 第10页 |
| 1．4 本文章节的组织结构 | 第10-11页 |
| 第二章 图像压缩理论 | 第11-26页 |
| 2．1 图像压缩的基本理论 | 第11-18页 |
| 2．1．1 压缩的必要性 | 第11页 |
| 2．1．2 压缩的可能性 | 第11-12页 |
| 2．1．3 压缩原理 | 第12-13页 |
| 2．1．4 压缩标准 | 第13-18页 |
| 2．2 图像压缩方法 | 第18-24页 |
| 2．2．1 行程编码 | 第18页 |
| 2．2．2 LZW编码 | 第18-19页 |
| 2．2．3 消息的信息量 | 第19-21页 |
| 2．2．4 哈夫曼编码 | 第21页 |
| 2．2．5 矢量量化 | 第21-22页 |
| 2．2．6 变换编码 | 第22-24页 |
| 2．3 本章小结 | 第24-26页 |
| 第三章 图像二值化 | 第26-31页 |
| 3．1 全局阈值法 | 第26-29页 |
| 3．1．1 平均灰度阈值法 | 第26页 |
| 3．1．2 OTSU方法 | 第26-27页 |
| 3．1．3 数学期望法 | 第27页 |
| 3．1．4 直方图方法 | 第27-29页 |
| 3．2 局部阈值法 | 第29页 |
| 3．3 灰度值的自适应二值化 | 第29-30页 |
| 3．4 本章小结 | 第30-31页 |
| 第四章 图像分割 | 第31-38页 |
| 4．1 图像分割定义 | 第31-32页 |
| 4．2 图像分割方法 | 第32-34页 |
| 4．2．1 边缘检测方法 | 第32-33页 |
| 4．2．2 阈值分割 | 第33页 |
| 4．2．3 区域增长技术 | 第33-34页 |
| 4．2．4 基于神经网络的图象分割技术 | 第34页 |
| 4．3 四叉树结构 | 第34-37页 |
| 4．4 本章小结 | 第37-38页 |
| 第五章 伸长小波方法 | 第38-45页 |
| 5．1 伸长小波 | 第38-40页 |
| 5．1．1 伸长小波字典 | 第38-40页 |
| 5．1．2 伸长小波预测 | 第40页 |
| 5．2 Donoho的CART算法 | 第40-42页 |
| 5．2．1 伸长小波分解 | 第40-41页 |
| 5．2．2 伸长小波重构 | 第41-42页 |
| 5．3 Romberg等的改进算法 | 第42-43页 |
| 5．4 本文的改进算法 | 第43页 |
| 5．5 实验结果 | 第43-44页 |
| 5．6 本章小结 | 第44-45页 |
| 第六章 总结及展望 | 第45-46页 |
| 参考文献 | 第46-50页 |
| 发表论文和科研情况说明 | 第50-51页 |
| 致谢 | 第51页 |
