全景视觉大图像的分割及图像增强
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-21页 |
| ·全景视觉 | 第10-13页 |
| ·柱面全景图 | 第13-14页 |
| ·图像分割及增强 | 第14-15页 |
| ·脉冲耦合神经网络的研究现状 | 第15-19页 |
| ·脉冲耦合神经网络的发展 | 第15-16页 |
| ·脉冲耦合神经网络的应用领域 | 第16-19页 |
| ·优化参数的算法 | 第19页 |
| ·论文研究的主要内容 | 第19-21页 |
| 第2章 全景视觉图像成像原理及图像分割 | 第21-35页 |
| ·全景视觉图像成像原理 | 第21-25页 |
| ·各种反射镜面及其分析 | 第21-22页 |
| ·双曲面全景视觉系统 | 第22-24页 |
| ·成像原理分析 | 第24-25页 |
| ·全景视觉图像的特点 | 第25-26页 |
| ·有效区域的提取 | 第26-28页 |
| ·一次柱面展开算法的原理 | 第28-29页 |
| ·全景视觉图像分割 | 第29-34页 |
| ·图像均分四份 | 第29-30页 |
| ·图像按内外环分割 | 第30-32页 |
| ·按奇偶场分割 | 第32-33页 |
| ·三种方法的仿真结果 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第3章 脉冲耦合神经网络的基本理论及应用 | 第35-55页 |
| ·生物视神经模型 | 第35-36页 |
| ·PCNN基本模型及简化模型 | 第36-39页 |
| ·接收域 | 第36-37页 |
| ·调制部分 | 第37页 |
| ·脉冲产生部分 | 第37-39页 |
| ·PCNN灰度图象增强 | 第39-43页 |
| ·整体对比度增强 | 第40-43页 |
| ·局部对比度增强 | 第43页 |
| ·PCNN彩色图像增强 | 第43-54页 |
| ·彩色图像的色彩空间变换 | 第44-46页 |
| ·彩色图像增强方法及原理 | 第46-50页 |
| ·PCNN彩色图像增强方法 | 第50-52页 |
| ·直方图与PCNN彩色图像增强实验结果比较 | 第52-54页 |
| ·本章小结 | 第54-55页 |
| 第4章 PCNN与优化算法结合 | 第55-72页 |
| ·遗传算法优化PCNN参数 | 第55-62页 |
| ·遗传算法的基本原理 | 第55-56页 |
| ·遗传算法优化参数 | 第56-58页 |
| ·遗传算法仿真实验结果和结论 | 第58-62页 |
| ·粒子群算法优化PCNN参数 | 第62-69页 |
| ·粒子群算法基本原理 | 第63-64页 |
| ·粒子群算法优化参数 | 第64-66页 |
| ·粒子群算法仿真实验结果和结论 | 第66-69页 |
| ·遗传算法与粒子群算法的实验结果对比 | 第69-70页 |
| ·本章小结 | 第70-72页 |
| 结论 | 第72-75页 |
| 参考文献 | 第75-83页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第83-84页 |
| 致谢 | 第84-85页 |
| 实验效果图 | 第85页 |
