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

面向图像编辑的图像导向上采样算法

摘要第8-9页
Abstract第9页
第1章 绪论第10-16页
    1.1 课题背景和研究意义第10-11页
    1.2 国内外相关工作第11-14页
        1.2.1 图像编辑技术第11-13页
        1.2.2 图像重采样技术第13-14页
    1.3 本文主要工作第14-15页
    1.4 论文结构及内容安排第15-16页
第2章 图像上采样算法综述第16-24页
    2.1 基于单幅图像的上采样算法第16-20页
        2.1.1 线性上采样方法第16-18页
        2.1.2 非线性上采样方法第18-20页
    2.2 基于图像导向的上采样算法第20-23页
        2.2.1 模型优化方法第20-21页
        2.2.2 图像滤波方法第21-23页
    2.3 本章小结第23-24页
第3章 基于Lab颜色空间的图像局部线性模型第24-30页
    3.1 颜色空间的选择第24-26页
        3.1.1 RGB颜色空间第24-25页
        3.1.2 CIE L*a*b*颜色空间第25-26页
        3.1.3 RGB颜色空间与CIE L*a*b颜色空间上采样结果对比第26页
    3.2 基于Lab颜色空间的图像局部线性模型第26-28页
    3.3 本章小结第28-30页
第4章 基于导向图像局部最佳匹配点的上采样算法设计第30-38页
    4.1 局部最佳匹配点(Local Best-Match Points)第30-35页
        4.1.1 图像编辑操作的局部性质第30-32页
        4.1.2 基于图像导向的局部最佳匹配点计算第32-35页
    4.2 插值系数第35页
    4.3 基于空间代价的局部最佳匹配点优化第35-36页
    4.4 面向图像编辑的上采样算法流程第36-37页
    4.5 本章小结第37-38页
第5章 实验结果展示与分析第38-46页
    5.1 图像质量评价标准第38-41页
        5.1.1 主观评价标准第38-39页
        5.1.2 客观评价标准第39-40页
        5.1.3 全参考图像质量评价方法第40-41页
    5.2 实验结果与分析第41-45页
    5.3 本章小结第45-46页
第6章 总结与展望第46-49页
    6.1 本文总结第46页
    6.2 局限性第46-47页
    6.3 研究展望第47-49页
参考文献第49-53页
致谢第53-54页
学位论文评阅及答辩情况表第54-56页

论文共56页,点击 下载论文
上一篇:SAP系统MM模块在汽车零配件企业的实施与应用
下一篇:基于MongoDB的精玖采购管理系统设计与实现