基于概率密度的图像处理算法的研究与应用

摘要	第1-6页
Abstract	第6-17页
第1章 绪论	第17-28页
·研究背景和意义	第17-18页
·国内外研究现状	第18-25页
·图像平滑算法	第18-21页
·底层特征提取的研究现状	第21-24页
·基于Mean-shift 的图像处理	第24-25页
·研究内容和论文结构	第25-28页
第2章 基于概率密度的图像分析	第28-42页
·引言	第28页
·图像中概率密度估计	第28-35页
·基于核函数的概率密度估计	第28-29页
·图像的描述	第29-30页
·图像中的概率密度估计	第30-31页
·密度梯度和Mean-shift	第31-32页
·核函数的选择	第32-33页
·带宽的选择	第33-35页
·图像的密度场和密度梯度场	第35-41页
·特征密度场	第35-38页
·图像密度场	第38-39页
·图像密度梯度场	第39-41页
·本章小结	第41-42页
第3章 基于密度的图像平滑	第42-59页
·引言	第42-43页
·图像平滑算法的统计学分析	第43-45页
·邻域直方图	第43-44页
·均值滤波	第44页
·中值滤波	第44页
·非对称滤波	第44-45页
·滤波器统计原理	第45页
·众数滤波器（MODE FILTER）	第45-49页
·众数滤波器的定义	第45-46页
·均值，中值和众数的比较	第46-48页
·众数滤波器和Mean-Shift 平滑的关系	第48-49页
·算法实现	第49-53页
·基本算法	第49-50页
·两步法优化Mode filter	第50页
·小尺度优化算法	第50-52页
·大尺度下的快速算法	第52-53页
·实验	第53-58页
·本章小结	第58-59页
第4章 基于密度梯度的边缘检测	第59-80页
·引言	第59-60页
·基于类别的边缘定义	第60-62页
·边缘检测算法	第62-69页
·基于概率密度梯度的边缘描述	第62页
·一维边缘检测	第62-64页
·二维图像边缘检测	第64-69页
·检测算法的性能	第69-72页
·检测尺度的影响	第69-71页
·算法的优点	第71-72页
·试验和性能评价	第72-79页
·实验一（人工图像）	第72-73页
·实验二（交通标志图像）	第73-75页
·实验三（人物图像）	第75-76页
·实验四（物体图像）	第76-78页
·计算效率分析	第78-79页
·本章小结	第79-80页
第5章 基于密度梯度的角点检测	第80-95页
·引言	第80页
·概率密度梯度场中角点检测	第80-82页
·基于密度算法与基于亮度算法的比较	第82-87页
·纹理影响的比较	第82-84页
·对比度影响的比较	第84-87页
·算子的稳定性	第87-91页
·评价指标	第87-89页
·实验环境	第89-90页
·试验结果	第90-91页
·应用	第91-94页
·本章小结	第94-95页
第6章 新算法在运动分析系统中的应用	第95-113页
·引言	第95页
·系统的特点和结构	第95-96页
·图像序列的对齐	第96-108页
·两幅图像的图像对齐	第97-99页
·图像对齐的评判	第99-102页
·图像序列对齐	第102-106页
·全景图像到真实冰场的转换	第106-108页
·运动员跟踪定位	第108-110页
·运动员滑行过程的预测	第108-109页
·运动员的识别定位	第109-110页
·本章小结	第110-113页
结论	第113-115页
参考文献	第115-125页
致谢	第125-126页
个人简历	第126页