中文摘要 | 第1-5页 |
英文摘要 | 第5-7页 |
目录 | 第7-10页 |
第1章 序论 | 第10-20页 |
·图像技术的发展历程及面临的问题 | 第10-12页 |
·小波理论与应用技术的发展概况 | 第12-14页 |
·小波的特点及其在图象处理中的应用 | 第14-17页 |
·本文的主要研究内容 | 第17-20页 |
第2章 小波理论基础 | 第20-44页 |
·引言 | 第20页 |
·小波函数的概念 | 第20-22页 |
·连续小波变换 | 第22-23页 |
·离散小波框架 | 第23-25页 |
·框架理论 | 第23-24页 |
·小波框架 | 第24页 |
·二进小波变换 | 第24-25页 |
·多分辨分析理论 | 第25-26页 |
·小波包及小波包变换 | 第26-28页 |
·小波包定义与性质 | 第26-27页 |
·小波包变换 | 第27-28页 |
·波神经网络 | 第28-37页 |
·小波网络的类型 | 第29页 |
·离散仿射小波网络 | 第29-33页 |
·多分辨递阶正交小波网络 | 第33-37页 |
·其它新型小波理论 | 第37-42页 |
·第二代小波变换 | 第37-39页 |
·多小波理论 | 第39-41页 |
·脊波理论 | 第41-42页 |
·本章小结 | 第42-44页 |
第3章 小波理论在图像边缘检测中的应用研究 | 第44-64页 |
·引言 | 第44页 |
·函数奇异性及其在小波变换下的特性 | 第44-48页 |
·函数奇异性概念 | 第44-45页 |
·信号和图象的小波域特性 | 第45-46页 |
·Lipschitz正则性及小波系数幅值对Lipschitz指数的度量 | 第46-48页 |
·多尺度边缘检测 | 第48-60页 |
·几种检测函数奇异性常用小波 | 第48-51页 |
·基于高斯的双小波变换边缘检测算法 | 第51-55页 |
·基于方向导数的双小波变换边缘检测算法 | 第55-60页 |
·仿真实验 | 第60-62页 |
·本章小结 | 第62-64页 |
第4章 小波理论在图像几何变换中的应用研究 | 第64-86页 |
·引言 | 第64页 |
·图像几何变换坐标变换原理和方法 | 第64-70页 |
·重采样技术 | 第64-65页 |
·几何位置转换 | 第65-68页 |
·灰度插值 | 第68-70页 |
·基于小波变换的灰度插值法 | 第70-80页 |
·小波变换 | 第70-72页 |
·多尺度分析与灰度插值 | 第72-76页 |
·尺度、小波函数的选择及公式化简 | 第76-80页 |
·仿真实验 | 第80-84页 |
·本章小结 | 第84-86页 |
第5章 基于小波的背景图像纹理分析方法及运动目标分割 | 第86-110页 |
·引言 | 第86页 |
·运动分割的几种常用方法 | 第86-89页 |
·帧间差 | 第86-87页 |
·光流场方法 | 第87-88页 |
·背景估计方法 | 第88-89页 |
·背景图像小波纹理分析方法 | 第89-99页 |
·背景均匀变换模型与小波变换 | 第90-92页 |
·小波变换及图象分块 | 第92-96页 |
·纹理描述符及不变矩 | 第96-99页 |
·基于小波核的最小二乘向量机及目标分割 | 第99-106页 |
·支持向量机 | 第99-103页 |
·基于小波核的最小二乘向量机 | 第103-106页 |
·仿真实验 | 第106-109页 |
·本章小结 | 第109-110页 |
第6章 小波在危险品弹药机器人中的应用 | 第110-122页 |
·引言 | 第110页 |
·危险品弹药挖掘搬运机器人 | 第110-114页 |
·危险品弹药遥操作挖掘搬运机器人硬件结构 | 第111-113页 |
·机器人视觉系统 | 第113-114页 |
·基于小波域及分数维炮弹图像分割算法 | 第114-120页 |
·分形维的定义及其计算 | 第115-117页 |
·基于图像参数的在线识别控制方法 | 第117-120页 |
·实验结果 | 第120-121页 |
·本章小结 | 第121-122页 |
第7章 总结与展望 | 第122-126页 |
·本文工作总结 | 第122-123页 |
·研究展望 | 第123-126页 |
参考文献 | 第126-134页 |
作者在攻读博士期间参与的项目 | 第134页 |
作者在攻读博士期间发表及录用的论文 | 第134-136页 |
致谢 | 第136页 |