水下图像预处理技术研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第1章 绪论 | 第9-14页 |
| ·研究的背景及意义 | 第9页 |
| ·水下目标识别的研究现状 | 第9-11页 |
| ·水下目标识别的技术难点 | 第11-12页 |
| ·目标识别的流程 | 第12-13页 |
| ·论文内容安排 | 第13-14页 |
| 第2章 图像滤波 | 第14-25页 |
| ·常见滤波方法 | 第14-21页 |
| ·邻域均值滤波 | 第15-17页 |
| ·高斯滤波 | 第17页 |
| ·中值滤波 | 第17-20页 |
| ·自适应平滑滤波器 | 第20页 |
| ·小波域滤波 | 第20-21页 |
| ·NON-LOCAL MEANS 滤波方法 | 第21-24页 |
| ·算法原理 | 第21-23页 |
| ·仿真实验 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 基于 PCNN 的图像滤波算法研究 | 第25-37页 |
| ·PCNN 图像滤波算法基本思想 | 第25-29页 |
| ·脉冲噪声模型 | 第25-26页 |
| ·PCNN 模型 | 第26-29页 |
| ·噪声像素的定位 | 第29-30页 |
| ·噪声像素的滤波 | 第30-31页 |
| ·PCNN 滤波与传统图像滤波方法的比较 | 第31-32页 |
| ·PCNN 图像滤波仿真与实验结果分析 | 第32-36页 |
| ·本章小结 | 第36-37页 |
| 第4章 粒子群优化算法在 PCNN 模型中的应用 | 第37-46页 |
| ·粒子群算法研究 | 第37-42页 |
| ·粒子群算法的基本原理 | 第38-40页 |
| ·粒子群算法的流程 | 第40-42页 |
| ·粒子群算法对 PCNN 模型参数自动确定的实现 | 第42页 |
| ·仿真与实验结果分析 | 第42-45页 |
| ·本章小结 | 第45-46页 |
| 第5章 图像边缘提取 | 第46-64页 |
| ·常见的边缘提取方法 | 第46-58页 |
| ·梯度算子 | 第48-52页 |
| ·二阶微分 Laplacian 算子 | 第52-53页 |
| ·Canny 算子 | 第53-56页 |
| ·基于边缘和区域的联合分割 | 第56-58页 |
| ·主动轮廓算法 | 第58-63页 |
| ·主动轮廓模型的提出 | 第58-59页 |
| ·主动轮廓模型的分类 | 第59-60页 |
| ·主动轮廓模型的数学描述 | 第60-61页 |
| ·C-V 模型图像分割方法 | 第61-62页 |
| ·C-V 模型仿真分析 | 第62-63页 |
| ·本章小结 | 第63-64页 |
| 结论 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第70-71页 |
| 致谢 | 第71页 |
