基于相对全变分模型的纹理图像主结构提取方法研究
| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 绪论 | 第9-14页 |
| 1.1 研究背景与选题意义 | 第9-11页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 选题意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 研究内容与技术路线 | 第12-14页 |
| 1.3.1 研究内容 | 第12-13页 |
| 1.3.2 技术路线 | 第13-14页 |
| 2 相关理论和技术 | 第14-32页 |
| 2.1 图像纹理结构 | 第14-17页 |
| 2.1.1 纹理概念 | 第14-15页 |
| 2.1.2 纹理类型 | 第15-16页 |
| 2.1.3 纹理特性 | 第16-17页 |
| 2.2 特征提取方法 | 第17-23页 |
| 2.2.1 结构法 | 第18-19页 |
| 2.2.2 统计法 | 第19-21页 |
| 2.2.3 频谱法 | 第21-22页 |
| 2.2.4 模型法 | 第22-23页 |
| 2.3 图像平滑滤波 | 第23-25页 |
| 2.3.1 中值滤波器 | 第23-24页 |
| 2.3.2 均值滤波器 | 第24页 |
| 2.3.3 高斯滤波器 | 第24-25页 |
| 2.4 图像去噪声模型 | 第25-32页 |
| 2.4.1 图像噪声 | 第25-26页 |
| 2.4.2 图像噪声模型 | 第26-28页 |
| 2.4.3 常见去噪方法 | 第28-31页 |
| 2.4.4 图像去噪评价标准 | 第31-32页 |
| 3 基于相对全变分模型的纹理图像主结构提取 | 第32-48页 |
| 3.1 结构提取模型 | 第32-35页 |
| 3.1.1 TV-G模型 | 第32页 |
| 3.1.2 TV-L~2模型 | 第32-33页 |
| 3.1.3 TV-Gabor模型 | 第33-34页 |
| 3.1.4 TV-L~1模型 | 第34-35页 |
| 3.2 相对全变分模型 | 第35-38页 |
| 3.3 相对全变分模型验证 | 第38-48页 |
| 4 实验与分析 | 第48-55页 |
| 4.1 实验图像 | 第48-49页 |
| 4.2 实验结果 | 第49-50页 |
| 4.3 结果分析与对比 | 第50-55页 |
| 5 结论与展望 | 第55-57页 |
| 5.1 结论 | 第55-56页 |
| 5.2 展望 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 作者简历 | 第60-62页 |
| 学位论文数据集 | 第62页 |
