基于Krawtchouk矩的图像分析
| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 1 绪论 | 第9-12页 |
| ·引言 | 第9页 |
| ·矩技术在图像分析中应用的发展过程 | 第9-10页 |
| ·矩技术应用在图像分析中的研究现状 | 第10-11页 |
| ·本文的研究内容 | 第11-12页 |
| 2 几种常见的矩 | 第12-30页 |
| ·图像矩的一般定义 | 第12页 |
| ·几何矩 | 第12-13页 |
| ·几何矩定义 | 第13页 |
| ·使用几何矩进行图像的形状描述 | 第13页 |
| ·Hu矩 | 第13-14页 |
| ·几种常见的几何变换 | 第13-14页 |
| ·七个矩不变量 | 第14页 |
| ·Legendre矩 | 第14-17页 |
| ·Legendre多项式 | 第14-15页 |
| ·Legendre矩 | 第15-16页 |
| ·逆Legendre矩变换 | 第16页 |
| ·灰度级图像的Legendre矩的计算 | 第16-17页 |
| ·Zernike矩 | 第17-20页 |
| ·Zernike多项式 | 第17页 |
| ·Zernike矩 | 第17-18页 |
| ·逆Zernike矩变换 | 第18-19页 |
| ·Zernike矩的快速计算 | 第19-20页 |
| ·Tchebichef矩 | 第20-23页 |
| ·Tchebichef多项式 | 第20-21页 |
| ·Tchebichef矩 | 第21-22页 |
| ·Tchebichef矩的对称性 | 第22-23页 |
| ·Krawtchouk矩 | 第23-29页 |
| ·Krawtchouk多项式 | 第23-27页 |
| ·Krawtchouk矩 | 第27页 |
| ·Krawtchouk的对称性 | 第27-28页 |
| ·Krawtchouk矩的快速计算 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 3 基于Krawtchouk矩的图像重建 | 第30-40页 |
| ·几种矩的重建效果对比 | 第30-32页 |
| ·感兴趣(ROT)区域的重建 | 第32-33页 |
| ·基于改进算法的Krawtchouk矩图像重建 | 第33-39页 |
| ·基于在坐标轴上对称的改进算法 | 第33-34页 |
| ·关于对角线对称的改进算法 | 第34-39页 |
| ·本章小结 | 第39-40页 |
| 4 基于Krawtchouk矩的最优局部水印算法 | 第40-52页 |
| ·数字水印技术概述 | 第40-43页 |
| ·水印模型 | 第40-41页 |
| ·水印特性 | 第41-42页 |
| ·评测标准 | 第42-43页 |
| ·遗传算法概述 | 第43-44页 |
| ·生物遗传概念与遗传算法的关系 | 第43页 |
| ·算法描述 | 第43-44页 |
| ·算法描述 | 第44-46页 |
| ·水印嵌入方案 | 第44-45页 |
| ·水印提取方案 | 第45页 |
| ·算法流程 | 第45-46页 |
| ·仿真结果分析 | 第46-50页 |
| ·高斯噪声攻击 | 第47-48页 |
| ·高斯模糊攻击 | 第48-49页 |
| ·平移攻击 | 第49-50页 |
| ·旋转攻击 | 第50页 |
| ·结论及应用 | 第50-52页 |
| 5 基于Krawtchouk不变矩的图像识别 | 第52-59页 |
| ·不变矩的特性 | 第52-53页 |
| ·抽样性能 | 第52-53页 |
| ·抗噪声能力 | 第53页 |
| ·信息冗余度 | 第53页 |
| ·图像描述能力 | 第53页 |
| ·Krawtchouk不变矩 | 第53-57页 |
| ·Krawtchouk不变矩的构造 | 第53-56页 |
| ·Krawtchouk不变矩的稳定性 | 第56-57页 |
| ·基于Krawtchouk不变矩的图像识别 | 第57-58页 |
| ·识别方法 | 第57页 |
| ·仿真实验与结果 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 6 结束语 | 第59-61页 |
| ·全文总结 | 第59页 |
| ·进一步的工作展望 | 第59-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-64页 |
