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LapRLS的图像着色及压缩算法研究

摘要第4-6页
abstract第6-7页
第1章 绪论第12-21页
    1.1 课题来源第12页
    1.2 课题研究背景与意义第12-14页
    1.3 相关领域国内外研究现状第14-18页
        1.3.1 图像着色技术国内外研究现状第14-17页
        1.3.2 图像压缩技术国内外研究现状第17-18页
    1.4 论文的研究内容及结构第18-21页
第2章 基于机器学习的图像色度分量预测算法研究第21-29页
    2.1 机器学习概述第21-22页
    2.2 改进的LapRLS算法的理论推导第22-27页
        2.2.1 拉普拉斯正则化最小二乘法第22-25页
        2.2.2 流形学习的方差最小化第25-26页
        2.2.3 基于监督学习的预测误差最小化算法第26-27页
    2.3 本文算法的关键技术第27-28页
    2.4 本章小结第28-29页
第3章 基于LapRLS改进的图像着色算法研究第29-58页
    3.1 着色问题概述第29-37页
        3.1.1 颜色及效果评价第29-33页
        3.1.2 典型的基于颜色扩散的着色方法第33-37页
    3.2 半监督学习及核方法映射第37-45页
        3.2.1 半监督学习与监督学习第37-43页
        3.2.2 基于核方法的映射第43-45页
    3.3 基于监督学习的改进型图像着色算法第45-50页
        3.3.1 基于监督学习的改进型LapRLS图像着色算法第45-49页
        3.3.2 基于KPCA映射的优化算法第49-50页
    3.4 着色实验及分析第50-57页
        3.4.1 着色实验设计第50-52页
        3.4.2 实验结果及分析第52-57页
    3.5 本章小结第57-58页
第4章 改进的基于LapRLS图像压缩算法研究第58-71页
    4.1 图像压缩概述第58-60页
        4.1.1 图像压缩原理第58-59页
        4.1.2 有损和无损压缩方法第59页
        4.1.3 压缩方法评价第59-60页
    4.2 基于监督学习LapRLS算法的改进型图像压缩算法第60-64页
        4.2.1 传统算法第60-61页
        4.2.2 基于监督学习压缩算法的模型设计第61-62页
        4.2.3 基于监督学习压缩算法的实现第62-64页
    4.3 图像压缩实验及结果分析第64-70页
        4.3.1 压缩实验设计第64-65页
        4.3.2 实验结果及分析第65-70页
    4.4 本章小结第70-71页
第5章 全文总结与展望第71-73页
    5.1 全文总结第71-72页
    5.2 工作展望第72-73页
致谢第73-74页
参考文献第74-78页
攻读硕士学位期间的研究成果第78页

论文共78页,点击 下载论文
上一篇:亚麻籽胶与淀粉调控乳状液中油滴聚集制备脂肪替代物及其应用
下一篇:中国传统古筝的传承与开发设计研究