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

声纳图像去噪与分割技术研究

摘要第1-7页
ABSTRACT第7-12页
第1章 绪论第12-29页
   ·引言第12页
   ·论文研究背景和意义第12-14页
   ·新型小波分析研究进展第14-17页
     ·传统小波分析的局限性第14-15页
     ·方向性小波的发展第15-16页
     ·非线性小波的发展第16-17页
   ·小波域的系数建模第17-19页
     ·小波系数的模型分类第17-18页
     ·小波系数的马尔可夫模型第18-19页
   ·偏微分方程理论与图像处理第19-22页
     ·图像处理中的偏微分方程第19-21页
     ·活动轮廓模型与图像分割第21-22页
   ·图论问题第22-25页
     ·图论的发展第22-23页
     ·图的基本概念第23-25页
   ·本文的研究重点第25-27页
   ·本文的内容结构第27-29页
第2章 新型小波分析框架下的声纳图像去噪第29-67页
   ·引言第29页
   ·图像的方向性多分辨率分析第29-46页
     ·基于脊波变换的声纳图像去噪第29-33页
     ·基于曲波变换的声纳图像去噪第33-37页
     ·基于轮廓小波变换的声纳图像去噪第37-43页
     ·基于表面波变换的声纳图像去噪第43-46页
   ·图像的非线性多分辨率分析第46-59页
     ·形态小波变换第47-49页
     ·排序统计形态小波变换第49-54页
     ·形态均值小波第54-55页
     ·基于形态小波变换的声纳图像去噪第55-59页
   ·综合实验第59-66页
   ·本章小结第66-67页
第3章 结合HMT 模型和小波分析的声纳图像去噪第67-93页
   ·引言第67页
   ·小波域HMT 模型及去噪算法第67-76页
     ·模型结构及参数化第67-70页
     ·小波域HMT 模型去噪第70-74页
     ·去噪实验第74-76页
   ·轮廓小波域HMT 模型及去噪算法第76-80页
     ·模型结构及参数化第76-78页
     ·轮廓小波域HMT 模型去噪流程第78-79页
     ·去噪实验第79-80页
   ·形态小波域HMT 模型及去噪算法第80-88页
     ·模型结构及参数化第80-82页
     ·形态均值小波域HMT 模型去噪算法第82-83页
     ·算法的简化第83-87页
     ·去噪实验第87-88页
   ·综合实验第88-92页
   ·本章小结第92-93页
第4章 基于水平集理论的声纳图像分割第93-115页
   ·引言第93页
   ·从曲线演化到水平集演化第93-97页
     ·曲线的演化第93-95页
     ·水平集演化第95-97页
   ·基于C-V 模型的声纳图像分割第97-102页
     ·PC 模型第97-100页
     ·PS 模型第100-101页
     ·分割实验第101-102页
   ·基于LBF 能量模型的声纳图像分割第102-108页
     ·无重初始化的水平集演化第103-106页
     ·LBF 能量模型第106-107页
     ·分割实验第107-108页
   ·LBF 能量模型改进及应用第108-113页
     ·问题的提出第108-109页
     ·LBF 能量模型改进第109-111页
     ·分割实验第111-113页
   ·本章小结第113-115页
第5章 图论在声纳图像分割中的应用第115-134页
   ·引言第115页
   ·图的割与图像的谱第115-117页
   ·基于割准则的声纳图像分割第117-124页
     ·归一化割算法第117-119页
     ·图割快速算法第119-123页
     ·分割实验第123-124页
   ·基于谱聚类的声纳图像分割第124-127页
     ·标准谱聚类第124页
     ·自调整谱聚类第124-126页
     ·分割实验第126-127页
   ·声纳图像无监督分割算法第127-132页
     ·图论聚类算法对比分析第127-129页
     ·基于STSC 的快速无监督分割第129-132页
   ·本章小结第132-134页
结论第134-137页
参考文献第137-150页
攻读博士学位期间发表的论文和取得的科研成果第150-151页
致谢第151页

论文共151页,点击 下载论文
上一篇:文本聚类集成关键技术研究
下一篇:基于网格的数据流聚类方法研究