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

基于方向优化的二代Bandelet变换及其在图像处理和B样条曲面光顺的应用

摘要第1-4页
Abstract第4-8页
1 绪论第8-13页
   ·引言第8页
   ·基于各向异性小波的图像处理技术研究现状第8-11页
     ·基于各向异性小波的图像处理技术国外研究现状第9-10页
     ·各向异性小波的图像处理技术国内研究现状第10-11页
   ·B 样条曲面的光顺技术第11页
   ·本文的组织结构第11-13页
2 图像处理的 Bandelet 技术第13-28页
   ·wavelet 变换第13-16页
     ·小波理论概述第13页
     ·连续小波变换(CWT)和离散小波变换(DWT)第13-14页
     ·Mallat 塔式快速小波变换算法第14-15页
     ·二维小波变换第15-16页
   ·第一代 Bandelet 理论第16-21页
     ·几何流(geometric flow)和 Bandelet 基第16-19页
     ·Bandelet 框架第19-20页
     ·Bandelet 逼近第20-21页
   ·第二代 Bandelet 变换第21-27页
     ·二代 Bandelet 变换步骤第22-24页
     ·二维小波域的变换第24页
     ·Bandelet 化第24-27页
     ·四叉树的构建第27页
   ·本章小结第27-28页
3 二代 Bandelet 变换图像处理技术的优化算法和应用第28-49页
   ·2G Bandelet 变换的不足第28页
   ·基于加步探索法的快速二代 Bandelet 变换第28-30页
     ·加步探索法原理第28-29页
     ·基于加步探索法的快速二代 Bandelet 变换第29-30页
   ·基于遗传算法的快速二代 Bandelet 变换第30-34页
     ·遗传算法原理第30-31页
     ·遗传算法基础知识第31-33页
     ·基于遗传算法的快速二代 Bandelet 变换步骤第33-34页
   ·解空间划分法在寻找最优方向中的运用第34-35页
   ·基于综合法的快速二代 Bandelet 变换第35页
   ·自顶向下的四叉树算法第35-38页
     ·自底向上的算法简介第35-36页
     ·自顶向下的四叉树算法原理第36页
     ·自顶向下的四叉树算法第36-37页
     ·自顶向下与自底向上的四叉树算法结果对比及分析第37-38页
   ·优化算法与原算法处理图像结果的对比试验第38-42页
     ·实验结果的对比第38-41页
     ·各算法恢复重构结果对比第41-42页
   ·优化算法的在去噪、压缩、增强方面的应用第42-46页
     ·优化算法在去噪方面的应用第42-43页
     ·优化算法在图像压缩方面的应用第43-45页
     ·优化算法在图像增强方面的应用第45-46页
   ·算法的时间复杂度和空间复杂度第46-48页
     ·算法时间复杂度第46-47页
     ·算法空间复杂度第47-48页
   ·本章小结第48-49页
4 B 样条曲面的 Bandelet 去噪光顺第49-64页
   ·B 样条曲面基础知识第49-50页
     ·B 样条的递推定义第49页
     ·B 样条的性质第49-50页
   ·B 样条曲面的定义和性质第50页
     ·B 样条曲面的定义第50页
     ·B 样条曲面的性质第50页
   ·B 样条曲面的光顺技术第50-51页
   ·基于 Bandelet 变换的 B 样条曲面分解光顺步骤第51-53页
   ·B 样条曲面的 Bandelet 光顺实验第53-58页
     ·汽车覆盖件实验第53-54页
     ·电话听筒实验第54-56页
     ·佛像背实验第56-58页
   ·基于 Wavelet 和 Bandelet 变换的 B 样条曲面光顺对比第58-63页
     ·基于 Wavelet 和 Bandelet 的 B 样条曲面光顺步骤第58页
     ·基于 Wavelet 和 Bandelet 的 B 样条曲面光顺对比第58-63页
   ·本章小结第63-64页
5 总结与展望第64-66页
   ·论文工作总结第64页
   ·进一步工作展望第64-66页
致谢第66-67页
参考文献第67-69页
附录第69页
 A 作者论文发表情况第69页
 B 作者参与的项目第69页

论文共69页,点击 下载论文
上一篇:基于偏最小二乘的人脸识别算法研究
下一篇:融合用户属性和兴趣的最大熵推荐算法研究