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

基于边缘重构的图像插值

摘要第5-6页
Abstract第6页
第1章 绪论第10-14页
    1.1 课题背景第10-11页
    1.2 新的图像重构思路第11页
    1.3 需要解决的问题第11页
    1.4 论文的方法以及主要结果第11-13页
    1.6 论文结构第13-14页
第2章 图像插值重采样第14-20页
    2.1 图像插值重采样第14页
    2.2 图像插值重采样与其他图像处理第14-15页
    2.3 图像插值重构与超分辨率的区别第15-16页
    2.4 基于边缘的图像插值重构第16-17页
    2.5 简单插值重采样方法第17-20页
        2.5.1 最近邻重采样第17页
        2.5.2 双线性插值重采样第17-18页
        2.5.3 双三次插值重采样第18页
        2.5.4 LANCZOS插值第18-19页
        2.5.5 DCT插值重采样第19页
        2.5.6 简单插值重采样方法边缘对比第19-20页
第3章 重构边缘第20-34页
    3.1 Canny算法提取边缘第20-22页
    3.2 过滤噪音保留边缘第22-25页
        3.2.1 保留边缘的滤波第22页
        3.2.2 双边滤波第22-24页
        3.2.3 各向异性扩散第24-25页
    3.3 边缘三次B样条矢量化第25-27页
    3.4 简单插值放大图像结果的边缘检测第27-28页
    3.5 双边滤波和非均匀扩散无法过滤插值形成的伪边缘第28-29页
    3.6 改变Canny算法的窗口第29页
    3.7 原有图像边缘作为前置参考第29-30页
        3.7.1 正向构造第30页
        3.7.2 逆向构造第30页
    3.8 基于梯度场插值重采样的边缘重构方法第30-34页
第4章 基于重构边缘的图像重构第34-39页
    4.1 边缘以及邻近区域的梯度场重建方法第35-37页
        4.1.1 简单重采样结果与原图的边缘及邻近区域的梯度之间的关系第35页
        4.1.2 边缘区域的梯度变化映射第35-36页
        4.1.3 解梯度方程第36页
        4.1.4 和Poisson图像编辑的相似性第36页
        4.1.5 存在问题第36-37页
    4.2 插值并保留边缘的扩散迭代方法第37-39页
第5章 实验结果第39-48页
    5.1 实验结果对比第39-44页
    5.2 图像艺术风格化第44-46页
    5.3 结果分析第46页
    5.4 延伸展望第46-48页
第6章 论文总结第48-49页
参考文献第49-53页
致谢第53页

论文共53页,点击 下载论文
上一篇:基于PHOW特征的人脸姿态识别算法研究
下一篇:纠错码在某些领域的应用