摘要 | 第1-6页 |
Abstract | 第6-12页 |
1 绪论 | 第12-21页 |
·研究背景 | 第12-13页 |
·图像处理技术研究现状 | 第13-17页 |
·小波去噪技术的研究 | 第13-14页 |
·图像分割方法的研究 | 第14页 |
·图像匹配方法的研究 | 第14-16页 |
·图像修复方法的研究 | 第16-17页 |
·主曲线算法的研究 | 第17页 |
·本文研究重点和结果 | 第17-19页 |
·论文组织 | 第19-21页 |
2 小波变换理论概述 | 第21-35页 |
·小波变换的产生 | 第21-22页 |
·小波变换 | 第22-30页 |
·连续小波变换 | 第22-25页 |
·离散小波变换 | 第25-26页 |
·多分辨率分析 | 第26-28页 |
·共轭镜像滤波器 | 第28-30页 |
·Mallat算法 | 第30-35页 |
·一维Mallat算法 | 第30-32页 |
·二维Mallat算法 | 第32-35页 |
3 细分方法与细分小波 | 第35-52页 |
·细分方法的研究概况 | 第35-38页 |
·细分方法的发展概况 | 第35-36页 |
·细分方法的特点 | 第36-38页 |
·细分方法的分类与应用 | 第38-45页 |
·线细分方法 | 第38-40页 |
·曲面细分方法 | 第40-44页 |
·细分方法的应用 | 第44-45页 |
·多分辨率分析与小波 | 第45-48页 |
·尺度方程 | 第48-49页 |
·细分小波 | 第49-52页 |
4 基于小波的图像去噪技术 | 第52-71页 |
·图像去噪的传统算法 | 第52-55页 |
·均值滤波器 | 第52-54页 |
·中值滤波器 | 第54-55页 |
·基于小波变换的图像去噪方法 | 第55-62页 |
·小波去噪的发展历程 | 第55-56页 |
·小波域中的信号特性 | 第56-57页 |
·小波去噪的基本方法 | 第57-62页 |
·基于尺度乘积与阈值收缩相结合的去噪方法 | 第62-71页 |
·相邻尺度小波系数乘积 | 第63-64页 |
·提取信号突变点处的小波系数 | 第64-66页 |
·其它尺度小波系数的处理 | 第66页 |
·实验仿真 | 第66-69页 |
·结论 | 第69-71页 |
5 细分小波在图像分割中的应用 | 第71-88页 |
·图像分割方法综述 | 第71-77页 |
·阈值分割方法 | 第72-73页 |
·边缘检测分割方法 | 第73-75页 |
·特征空间聚类分割方法 | 第75-77页 |
·Mean-Shift聚类算法 | 第77-82页 |
·Mean-shift过程 | 第78-80页 |
·核密度梯度估计 | 第80-81页 |
·Mean-Shift的图像分割算法 | 第81-82页 |
·细分小波与Mean-Shift相结合的图像分割方法 | 第82-88页 |
·四点逼近细分小波 | 第82-84页 |
·彩色空间的选取和分割策略 | 第84-86页 |
·分割算法与实验结果 | 第86-87页 |
·结论 | 第87-88页 |
6 细分方法在图像匹配和修复中的应用 | 第88-110页 |
·细分小波在图像匹配中的应用 | 第88-96页 |
·图像的局部投影熵 | 第89-90页 |
·基于细分小波的局部投影熵的匹配算法 | 第90-92页 |
·实验结果与讨论 | 第92-94页 |
·算法在SmartROB-2嵌入式移动机器人上的应用 | 第94-96页 |
·细分方法在图像修复中的应用 | 第96-103页 |
·曲面四点插值细分规则 | 第97-99页 |
·对破损图像区域的预处理 | 第99-101页 |
·基于四点插值细分模式的修复算法 | 第101-103页 |
·细分方法在主曲线构建中的应用 | 第103-110页 |
·主曲线理论 | 第104-105页 |
·四点逼近细分方法 | 第105-106页 |
·最优光滑主曲线设计 | 第106-107页 |
·实验结果及分析 | 第107-110页 |
7 总结与展望 | 第110-112页 |
·本文结论 | 第110-111页 |
·今后工作展望 | 第111-112页 |
参考文献 | 第112-121页 |
攻读博士学位期间发表学术论文情况 | 第121-122页 |
论文创新点摘要 | 第122-123页 |
致谢 | 第123-124页 |