| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 图像中的轮廓结构与纹理结构 | 第11-12页 |
| 1.3 轮廓尺度与纹理尺度 | 第12页 |
| 1.4 纹理尺度可控的结构提取 | 第12-13页 |
| 1.5 本文主要工作及章节安排 | 第13-14页 |
| 1.6 本章小结 | 第14-16页 |
| 第二章 图像结构提取技术的国内外研究现状 | 第16-27页 |
| 2.1 引言 | 第16-17页 |
| 2.2 结构提取 | 第17-20页 |
| 2.2.1 Canny边缘提取算法 | 第17-18页 |
| 2.2.2 基于全局轮廓概率的轮廓提取算法 | 第18-19页 |
| 2.2.3 基于机器学习的轮廓提取算法 | 第19-20页 |
| 2.2.4 结构提取算法总结 | 第20页 |
| 2.3 纹理平滑 | 第20-25页 |
| 2.3.1 基于图像相对全变差的纹理平滑算法 | 第20-23页 |
| 2.3.2 基于联合双边滤波的纹理平滑算法 | 第23-24页 |
| 2.3.3 基于滚动引导滤波的纹理平滑算法 | 第24-25页 |
| 2.3.4 纹理平滑算法总结 | 第25页 |
| 2.4 本章小结 | 第25-27页 |
| 第三章 本文提出的纹理尺度可控的结构提取方法 | 第27-42页 |
| 3.1 方法概述 | 第27-28页 |
| 3.2 基于相位一致性的完整线条检测算法 | 第28-32页 |
| 3.2.1 相位一致性介绍 | 第28-29页 |
| 3.2.2 二维相位一致性模拟 | 第29-31页 |
| 3.2.3 相位一致性算法小结 | 第31-32页 |
| 3.3 基于非经典感受野的尺度可控纹理过滤算法 | 第32-34页 |
| 3.3.1 感受野理论介绍 | 第32-34页 |
| 3.3.2 经典感受野建模 | 第34页 |
| 3.4 融合纹理边界不对称性的非经典感受野建模 | 第34-40页 |
| 3.4.1 非经典感受野建模 | 第34-37页 |
| 3.4.2 基于纹理边界不对称性的纹理区域边界保留 | 第37-39页 |
| 3.4.3 尺度可控的纹理过滤 | 第39-40页 |
| 3.5 本章小结 | 第40-42页 |
| 第四章 实验与比较 | 第42-48页 |
| 4.1 参数选取 | 第42-44页 |
| 4.1.1 相位一致性参数 | 第42-43页 |
| 4.1.2 非经典感受野参数 | 第43-44页 |
| 4.2 结果分析与比较 | 第44-48页 |
| 4.2.1 纹理边界的保留情况 | 第44-45页 |
| 4.2.2 轮廓结构叠加纹理结构 | 第45-46页 |
| 4.2.3 纹理尺度控制 | 第46-48页 |
| 第五章 应用 | 第48-59页 |
| 5.1 自然图像ASCII艺术自动转换 | 第48-56页 |
| 5.1.1 ASCII艺术生成技术的研究现状 | 第48-50页 |
| 5.1.2 针对不同字符分辨率ASCII艺术的结构提取 | 第50-51页 |
| 5.1.3 ASCII艺术的字符优化铺排 | 第51-53页 |
| 5.1.4 结果比较与分析 | 第53-56页 |
| 5.2 日本漫画的结构提取 | 第56-59页 |
| 5.2.1 日本漫画的结构特点 | 第56-57页 |
| 5.2.2 日本漫画中的纹理结构 | 第57页 |
| 5.2.3 结果分析与比较 | 第57-59页 |
| 第六章 结论 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 攻读硕士学位期间取得的研究成果 | 第65-66页 |
| 致谢 | 第66-67页 |
| 附件 | 第67页 |