| 致谢 | 第9-10页 |
| 摘要 | 第10-12页 |
| ABSTRACT | 第12-13页 |
| 第1章 绪论 | 第20-25页 |
| 1.1 研究背景与意义 | 第20-21页 |
| 1.2 选题与研究思路 | 第21-22页 |
| 1.3 研究成果和创新点 | 第22-23页 |
| 1.4 内容安排 | 第23-25页 |
| 第2章 连分式插值的基本理论介绍 | 第25-41页 |
| 2.1 引言 | 第25-26页 |
| 2.2 连分式定义与基本性质 | 第26-28页 |
| 2.3 一元连分式插值 | 第28-32页 |
| 2.3.1 一元Thiele型连分式插值 | 第28-30页 |
| 2.3.2 修正的一元Thiele混合连分式插值 | 第30-32页 |
| 2.4 二元连分式插值 | 第32-37页 |
| 2.4.1 Thiele-Thiele型分支连分式插值 | 第32-34页 |
| 2.4.2 Newton-Thiele型混合连分式插值 | 第34-37页 |
| 2.5 向量值连分式插值 | 第37-40页 |
| 2.5.1 一元向量值连分式插值 | 第37-39页 |
| 2.5.2 二元向量值连分式插值 | 第39-40页 |
| 2.6 本章小结 | 第40-41页 |
| 第3章 一元连分式插值在图像脉冲去噪中的应用 | 第41-65页 |
| 3.1 引言 | 第41-44页 |
| 3.2 相关工作 | 第44-53页 |
| 3.2.1 统计排序方法 | 第45-47页 |
| 3.2.2 开关排序方法 | 第47-49页 |
| 3.2.3 基于模糊技术的方法 | 第49-50页 |
| 3.2.4 非局部均值方法 | 第50-52页 |
| 3.2.5 基于偏微方程的方法 | 第52页 |
| 3.2.6 其它一些研究方法 | 第52-53页 |
| 3.3 现有图像脉冲去噪方法存在的问题 | 第53-54页 |
| 3.3.1 先验知识的问题 | 第53-54页 |
| 3.3.2 边缘保持问题 | 第54页 |
| 3.3.3 自动化检测问题 | 第54页 |
| 3.3.4 单极和双极脉冲的问题 | 第54页 |
| 3.4 基于一元Thiele连分式插值的图像脉冲去噪方法 | 第54-58页 |
| 3.4.1 一元Thiele连分式插值脉冲去噪算法 | 第55-56页 |
| 3.4.2 权重计算方法 | 第56-57页 |
| 3.4.3 样本点的选择 | 第57-58页 |
| 3.5 实验结果与分析 | 第58-63页 |
| 3.6 本章小结 | 第63-65页 |
| 第4章 二元Newton-Thiele连分式插值在图像脉冲去噪中的应用 | 第65-88页 |
| 4.1 引言 | 第65-66页 |
| 4.2 自动化脉冲噪声检测方法 | 第66-70页 |
| 4.2.1 现有检测方法介绍 | 第66-67页 |
| 4.2.2 脉冲噪声图像的自动化检测 | 第67-69页 |
| 4.2.3 污染像素的检测和标记 | 第69-70页 |
| 4.3 基于二元Newton-Thiele连分式插值的脉冲去噪方法 | 第70-74页 |
| 4.3.1 二维网格构造 | 第71-73页 |
| 4.3.2 Newton-Thiele插值去噪 | 第73-74页 |
| 4.4 实验结果与分析 | 第74-87页 |
| 4.4.1 噪声图像的检测性能 | 第75页 |
| 4.4.2 污染像素点的检测性能 | 第75-77页 |
| 4.4.3 去噪性能 | 第77-87页 |
| 4.5 本章小结 | 第87-88页 |
| 第5章 基于一元向量值连分式插值的时序数据压缩与重建 | 第88-97页 |
| 5.1 引言 | 第88-89页 |
| 5.2 相关工作 | 第89-91页 |
| 5.2.1 基于关键数据点的压缩和重建 | 第89-90页 |
| 5.2.2 基于分段直线的压缩和重建 | 第90-91页 |
| 5.3 基于一元Thiele向量值连分式插值的压缩与重建方法 | 第91-94页 |
| 5.4 实验结果与分析 | 第94-95页 |
| 5.5 本章小结 | 第95-97页 |
| 第6章 视频镜头和场景边界检测方法的研究 | 第97-122页 |
| 6.1 引言 | 第97-98页 |
| 6.2 基于快速鲁棒特征和摄像机运动特征的镜头边界检测 | 第98-106页 |
| 6.2.1 镜头快速鲁棒特征的提取 | 第98-100页 |
| 6.2.2 切变镜头边界的检测 | 第100-102页 |
| 6.2.3 渐变镜头边界的检测 | 第102-104页 |
| 6.2.4 实验结果与分析 | 第104-106页 |
| 6.3 基于连分式插值的统一镜头边界检测模型 | 第106-114页 |
| 6.3.1 镜头特征抽取和检测算法的研究现状 | 第106-107页 |
| 6.3.2 构造视频镜头边界检测统一模型 | 第107-113页 |
| 6.3.3 实验结果与分析 | 第113-114页 |
| 6.4 基于机器学习和有向时序图的模糊场景分割方法 | 第114-120页 |
| 6.4.1 时序有向图的构造和分割 | 第115-117页 |
| 6.4.2 基于实例学习的模糊场景分割 | 第117-119页 |
| 6.4.3 实验结果与分析 | 第119-120页 |
| 6.5 本章小结 | 第120-122页 |
| 第7章 总结与展望 | 第122-124页 |
| 7.1 本文的工作总结 | 第122-123页 |
| 7.2 今后的研究工作展望 | 第123-124页 |
| 参考文献 | 第124-132页 |
| 攻读博士学位期间参加的科研项目 | 第132-133页 |
| 攻读博士学位期间完成的成果 | 第133页 |
