第1章 绪论 | 第10-17页 |
1.1 高密度脉冲噪声污染水岸图像分割的意义及难点 | 第10页 |
1.2 滤波 | 第10-13页 |
1.2.1 噪声来源及滤波目的 | 第10-11页 |
1.2.2 滤波分类 | 第11页 |
1.2.3 中值滤波 | 第11-12页 |
1.2.4 彩色图像滤波 | 第12-13页 |
1.3 前期工作及未来展望 | 第13页 |
1.4 本文主要研究内容 | 第13-17页 |
第2章 现有矢量滤波方法及滤波器性能评价 | 第17-22页 |
2.1 现有矢量滤波方法 | 第17-20页 |
2.1.1 算术平均值滤波 AEM | 第17页 |
2.1.2 标量中值滤波 SMF | 第17页 |
2.1.3 矢量中值滤波 VMF 和加权矢量中值滤波 WVM | 第17-18页 |
2.1.4 与均值距离最小矢量滤波 FEVM | 第18页 |
2.1.5 与标量中值距离最小向量滤波 MMVM | 第18-19页 |
2.1.6 方向矢量中值滤波 VDF | 第19页 |
2.1.7 开关中值滤波 SMF | 第19页 |
2.1.8 递进开关中值滤波算法 PSM | 第19-20页 |
2.2 噪声模型和滤波效果的评价标准 | 第20-22页 |
2.2.1 噪声模型 | 第20-21页 |
2.2.2 滤波器性能的客观评价标准 | 第21页 |
2.2.3 滤波器主观评价 | 第21-22页 |
第3章 向量中值简化算法研究 | 第22-32页 |
3.1 简化算法提出原因 | 第22页 |
3.2 中值与平均值协调滤波 | 第22-26页 |
3.2.1 引言 | 第22页 |
3.2.2 中值与平均值协调滤波算法 | 第22-24页 |
3.2.3 去噪性能分析 | 第24页 |
3.2.4 实验及小结 | 第24-26页 |
3.3 三维离散集标量中值 | 第26-32页 |
3.3.1 引言 | 第26-27页 |
3.3.2 基本定义 | 第27页 |
3.3.3 三维离散集向量中值 | 第27-29页 |
3.3.4 计算复杂性分析 | 第29-30页 |
3.3.5 几种算法滤波效果比较 | 第30-31页 |
3.3.6 小结 | 第31-32页 |
第4章 基于区域差异性测度的滤波方法 | 第32-52页 |
4.1 区域差异性测度 | 第32-39页 |
4.1.1 测度概述 | 第32页 |
4.1.2 区域差异性测度 | 第32-33页 |
4.1.3 脉冲噪声污染错判率最小化的参数λ和阈值TH 的优化 | 第33-39页 |
4.1.3.1 方法1:最小误差和优化 | 第33-34页 |
4.1.3.2 优化实验 | 第34-38页 |
4.1.3.3 优化实验的重复性 | 第38-39页 |
4.2 区域差异性测度选点向量中值滤波 | 第39-46页 |
4.2.1 引言 | 第39页 |
4.2.2 区域差异性测度选点向量中值滤波 | 第39页 |
4.2.3 与其它几种滤波方法比较 | 第39-45页 |
4.2.4 小结 | 第45-46页 |
4.3 区域差异性测度开关中值滤波 | 第46-52页 |
4.3.1 引言 | 第46页 |
4.3.2 区域差异性测度开关中值滤波 | 第46页 |
4.3.3 与几种滤波算法客观指标比较 | 第46-50页 |
4.3.4 几种滤波算法计算复杂性实验分析 | 第50-51页 |
4.3.5 小结 | 第51-52页 |
第5章 递进缩减序列向量中值滤波 | 第52-73页 |
5.1 缩减序列概述 | 第52页 |
5.2 递进缩减序列向量滤波 | 第52-62页 |
5.2.1 引言 | 第52-54页 |
5.2.2 PRVM算法 | 第54-55页 |
5.2.3 两种偏差对滤波器性能的影响 | 第55页 |
5.2.4 剩余序列像素数量 | 第55-56页 |
5.2.5 移动窗尺度及标准图像滤波 | 第56-60页 |
5.2.6 与其它算法滤波性能对比 | 第60-62页 |
5.2.7 计算复杂程度实验分析 | 第62页 |
5.2.8 小结 | 第62页 |
5.3 区域差异性测度递进缩减序列半开关向量滤波 | 第62-73页 |
5.3.1 引言 | 第62-63页 |
5.3.2 区域差异性测度递进缩减序列半开关向量滤波 | 第63-65页 |
5.3.3 几种滤波算法的视觉感受与客观指标比较 | 第65-70页 |
5.3.4 各项客观指标的综合分析 | 第70页 |
5.3.5 小结 | 第70-73页 |
第6章 水岸图像分割 | 第73-93页 |
6.1 概述 | 第73-74页 |
6.2 水岸彩色图像边缘提取算法 | 第74-81页 |
6.2.1 三色梯度最大值边缘提取法(简称TGM) | 第74-78页 |
6.2.1.1 主色彩选取 | 第75-76页 |
6.2.1.2 自适应梯度阈值调整 | 第76页 |
6.2.1.3 中值与平均值协调滤波 | 第76-78页 |
6.2.1.4 边界提取 | 第78页 |
6.2.2 与几种典型边缘提取算法比较 | 第78-81页 |
6.2.3 小结 | 第81页 |
6.3 融合分数维特征的水岸彩色图像水岸界线识别 | 第81-86页 |
6.3.1 BT 算法原型 | 第82页 |
6.3.2 边缘提取 TGM | 第82-83页 |
6.3.2.1 自适应梯度阈值选取 | 第82-83页 |
6.3.3 水岸界线分形识别 | 第83-84页 |
6.3.3.1 改造后算法 | 第83-84页 |
6.3.3.2 迭代次数的选择 | 第84页 |
6.3.3.3 Lebesgue 测度 | 第84页 |
6.3.4 试验结果 | 第84-85页 |
6.3.5 小结 | 第85-86页 |
6.4 景物与天界线识别 | 第86-88页 |
6.4.1 落雨生长法 DWRG | 第86-88页 |
6.4.1.1 景物天空初步划分及界线雏形 | 第86页 |
6.4.1.2 区域生长细化 | 第86-88页 |
6.4.2 小结 | 第88页 |
6.5 高密度脉冲噪声污染水岸图象概括性分割 | 第88-93页 |
6.5.1 水岸图象概括性区域分割 | 第88-89页 |
6.5.2 高密度脉冲噪声污染水岸图象概括性分割 | 第89-90页 |
6.5.3 小结 | 第90-93页 |
结论 | 第93-95页 |
参考文献 | 第95-100页 |
致谢 | 第100-101页 |
摘要 | 第101-105页 |
Abstract | 第105页 |