视觉数据不变性特征研究
摘要 | 第1-7页 |
Abstract | 第7-12页 |
第一章 绪论 | 第12-37页 |
·研究背景与研究内容 | 第12-15页 |
·研究意义与应用前景 | 第15-21页 |
·图像复原技术 | 第15-19页 |
·视觉数据识别技术 | 第19-21页 |
·图像复原概述 | 第21-26页 |
·图像退化与病态方程组 | 第21-23页 |
·图像的稀疏性先验 | 第23-25页 |
·图像的非局部自相似性 | 第25-26页 |
·视觉数据特征概述 | 第26-29页 |
·视觉数据特征的定性和定量评价 | 第26-28页 |
·视觉数据特征分类 | 第28-29页 |
·纹理特征与分形 | 第29-34页 |
·纹理概述 | 第29-30页 |
·纹理的描述方法 | 第30-32页 |
·分形和多重分形理论 | 第32-34页 |
·本文的主要内容 | 第34-37页 |
第二章 数据驱动非局部小波框架与图像复原 | 第37-63页 |
·引言 | 第37-42页 |
·图像复原中的正则化 | 第37页 |
·基于稀疏性的图像正则化技术 | 第37-38页 |
·图像稀疏化算子 | 第38-39页 |
·图像复原的局部方法与非局部方法 | 第39-42页 |
·本章内容 | 第42页 |
·小波框架 | 第42-44页 |
·数据驱动的非局部小波框架 | 第44-48页 |
·基于非局部小波框架的图像复原 | 第48-51页 |
·实验对比与分析 | 第51-62页 |
·图像去噪 | 第52-54页 |
·图像修复 | 第54-55页 |
·图像去模糊 | 第55-62页 |
·本章小结 | 第62-63页 |
第三章 图像力矩与轮廓特征提取 | 第63-83页 |
·引言 | 第63-64页 |
·相关工作 | 第64-66页 |
·物体识别中的局部特征整合 | 第65页 |
·物体识别中的图像局部特征 | 第65-66页 |
·图像力矩和轮廓子块显著性度量 | 第66-71页 |
·从物理力矩到图像子块力矩 | 第66-68页 |
·轮廓子块显著性度量 | 第68-71页 |
·基于图像力矩的物体轮廓特征 | 第71-78页 |
·力矩局部最值检测子 | 第71-74页 |
·多尺度力矩描述子 | 第74-75页 |
·加速计算 | 第75-77页 |
·局部特征整合成全局特征 | 第77-78页 |
·实验对比与分析 | 第78-82页 |
·实验数据集 | 第78-79页 |
·实验配置 | 第79-81页 |
·实验结果 | 第81-82页 |
·本章小结 | 第82-83页 |
第四章 局部模式自相似性与静态纹理描述子 | 第83-104页 |
·引言 | 第83-84页 |
·相关工作 | 第84-86页 |
·纹理的局部特征与全局描述 | 第86-90页 |
·纹理的局部二值模式 | 第86-89页 |
·纹理的统计自相似性 | 第89-90页 |
·基于局部模式统计自相似性的纹理描述 | 第90-94页 |
·多尺度局部二值模式提取 | 第91-93页 |
·模式分形谱 | 第93-94页 |
·实验对比与分析 | 第94-101页 |
·实验数据集 | 第95页 |
·实验配置 | 第95-97页 |
·实验结果 | 第97-101页 |
·本章小结 | 第101-104页 |
第五章 时空多重分形分析与动态纹理特征提取 | 第104-126页 |
·引言 | 第104-107页 |
·动态纹理 | 第104-105页 |
·相关工作 | 第105-106页 |
·本章内容 | 第106-107页 |
·多重分形理论 | 第107-108页 |
·动态纹理的时空多重分形谱 | 第108-117页 |
·时空多重分形测度 | 第108-110页 |
·时空多重分形分析 | 第110-116页 |
·加速计算 | 第116页 |
·像素点的软分配 | 第116-117页 |
·实验对比与分析 | 第117-125页 |
·实验数据与配置 | 第117-118页 |
·在 UCLA 数据集的测试 | 第118-120页 |
·在 DynTex 数据集的测试 | 第120-123页 |
·在 DynTex++数据集的测试 | 第123-125页 |
·本章小结 | 第125-126页 |
结论 | 第126-128页 |
参考文献 | 第128-137页 |
攻读博士学位期间取得的研究成果 | 第137-138页 |
致谢 | 第138-139页 |
附件 | 第139页 |