基于分形理论的图像处理和序列预测算法研究
| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 1 绪论 | 第7-10页 |
| 1.1 研究背景及意义 | 第7-8页 |
| 1.2 研究现状 | 第8-9页 |
| 1.3 本文组织结构 | 第9-10页 |
| 2 分形理论 | 第10-17页 |
| 2.1 分形几何 | 第10-11页 |
| 2.1.1 自然界中的分形 | 第10页 |
| 2.1.2 Mandelbrot集和Julia集 | 第10-11页 |
| 2.2 分形图像压缩理论 | 第11-15页 |
| 2.2.1 仿射变换 | 第11-12页 |
| 2.2.2 压缩映射与不动点定理 | 第12页 |
| 2.2.3 迭代函数系统 | 第12页 |
| 2.2.4 拼贴定理 | 第12-13页 |
| 2.2.5 分形压缩过程 | 第13-15页 |
| 2.3 分形维数 | 第15-16页 |
| 2.3.1 规则分形的分形维数 | 第15-16页 |
| 2.3.2 盒维数估计法 | 第16页 |
| 2.4 本章小结 | 第16-17页 |
| 3 基于分形字典的CT图像编码 | 第17-28页 |
| 3.1 分形字典编码 | 第17-20页 |
| 3.1.1 分形字典的生成 | 第18-19页 |
| 3.1.2 分形字典编码 | 第19-20页 |
| 3.2 CT图像提取 | 第20-21页 |
| 3.2.1 DICOM文件结构 | 第20页 |
| 3.2.2 CT图像转储 | 第20-21页 |
| 3.3 现有方法的不足 | 第21-24页 |
| 3.4 方法的改进 | 第24-25页 |
| 3.5 实验结果与分析 | 第25-27页 |
| 3.5.1 改进后的效果 | 第25-26页 |
| 3.5.2 优化编码时间 | 第26-27页 |
| 3.6 本章小结 | 第27-28页 |
| 4 基于盒维数法的改进算法 | 第28-39页 |
| 4.1 现有方法介绍 | 第28-30页 |
| 4.1.1 DBC方法及其缺点 | 第28-29页 |
| 4.1.2 其他改进方法 | 第29-30页 |
| 4.2 盒维数法的改进 | 第30-32页 |
| 4.2.1 合理的盒子高度选择 | 第30页 |
| 4.2.2 改进盒子数计算公式 | 第30-31页 |
| 4.2.3 相邻变换块机制 | 第31-32页 |
| 4.3 实验结果与分析 | 第32-38页 |
| 4.3.1 自然纹理图实验 | 第32-35页 |
| 4.3.2 合成纹理图实验 | 第35-38页 |
| 4.3.3 不同尺寸图像实验 | 第38页 |
| 4.4 本章小结 | 第38-39页 |
| 5 分形维数在序列预测上的应用 | 第39-46页 |
| 5.1 口碑商家客流量预测 | 第39-41页 |
| 5.1.1 研究内容 | 第39-40页 |
| 5.1.2 历史数据 | 第40-41页 |
| 5.2 数据预处理 | 第41-43页 |
| 5.2.1 历史数据处理 | 第41-43页 |
| 5.2.2 曲线分形维数计算 | 第43页 |
| 5.3 创建模型进行预测 | 第43-44页 |
| 5.3.1 构建训练集和测试集 | 第43-44页 |
| 5.3.2 模型选择 | 第44页 |
| 5.4 实验结果与分析 | 第44-45页 |
| 5.5 本章小结 | 第45-46页 |
| 结论 | 第46-47页 |
| 参考文献 | 第47-50页 |
| 附录A 分形维数标准差比较 | 第50-54页 |
| 攻读硕士学位期间发表学术论文情况 | 第54-55页 |
| 致谢 | 第55-57页 |
