基于动力系统的两种图像增强算法
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-12页 |
| 1.1 课题背景(或引言) | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.2.1 神经网络 | 第9页 |
| 1.2.2 图像增强 | 第9-10页 |
| 1.3 预备知识 | 第10页 |
| 1.4 主要研究内容 | 第10-12页 |
| 2 双稳系统的动力学性质及其在林业工程上的应用 | 第12-23页 |
| 2.1 双稳系统 | 第12-13页 |
| 2.1.1 双稳系统简介 | 第12页 |
| 2.1.2 郎之万方程 | 第12-13页 |
| 2.2 双稳系统稳定性分析 | 第13-14页 |
| 2.3 图像增强 | 第14-16页 |
| 2.3.1 图像增强基本原理 | 第14-15页 |
| 2.3.2 双稳系统下的图像增强原理 | 第15-16页 |
| 2.4 图像增强算法 | 第16-17页 |
| 2.5 木材缺陷图像增强 | 第17-22页 |
| 2.6 本章小结 | 第22-23页 |
| 3 1:1共振的前馈神经网络的Hopf分支 | 第23-32页 |
| 3.1 三个神经元的神经网络模型 | 第23-24页 |
| 3.1.1 模型简介 | 第23页 |
| 3.1.2 Hopf分支的存在性 | 第23-24页 |
| 3.2 1:1共振Hopf分支 | 第24-25页 |
| 3.3 1:1共振Hopf分支的规范型 | 第25-29页 |
| 3.4 数值模拟 | 第29-31页 |
| 3.5 本章小结 | 第31-32页 |
| 4 基于1:1共振的前馈神经网络的图像增强 | 第32-42页 |
| 4.1 一种图像增强的基本原理 | 第32-35页 |
| 4.2 基于低对比图像的增强 | 第35-40页 |
| 4.2.1 基于1:1共振神经网络的仿真 | 第35-40页 |
| 4.2.2 与传统算法对比 | 第40页 |
| 4.3 本章小结 | 第40-42页 |
| 结论 | 第42-43页 |
| 参考文献 | 第43-46页 |
| 攻读学位期间发表的学术论文 | 第46-47页 |
| 致谢 | 第47-48页 |
