自然图像统计在图像处理领域的应用
| 摘要 | 第1-5页 |
| Abstract | 第5-6页 |
| 目录 | 第6-9页 |
| 1. 绪论 | 第9-12页 |
| ·课题研究背景与意义 | 第9-10页 |
| ·国内外研究现状 | 第10-11页 |
| ·本文主要研究内容 | 第11页 |
| ·本文内容及组织 | 第11-12页 |
| 2. 自然图像的统计模型 | 第12-24页 |
| ·引言 | 第12页 |
| ·小波边际分布模型 | 第12-14页 |
| ·小波联合分布模型 | 第14-15页 |
| ·GSM模型 | 第15-16页 |
| ·PCA模型 | 第16-19页 |
| ·模型定义以及求解 | 第17-18页 |
| ·基于PCA的图像统计模型 | 第18-19页 |
| ·ICA模型 | 第19-23页 |
| ·模型定义以及求解 | 第20-21页 |
| ·基于ICA的图像统计模型 | 第21-23页 |
| ·本章小结 | 第23-24页 |
| 3. 基于自然图像统计的图像压缩算法 | 第24-42页 |
| ·引言 | 第24-27页 |
| ·基于PCA的图像内容自适应压缩算法 | 第27-40页 |
| ·算法原理 | 第27-29页 |
| ·图像块复杂度计算 | 第29-30页 |
| ·系数截取与量化 | 第30-32页 |
| ·系数编码 | 第32-33页 |
| ·算法流程 | 第33-34页 |
| ·实验结果与分析 | 第34-40页 |
| ·本章小结 | 第40-42页 |
| 4. 基于自然图像统计的无参考图像质量评价算法 | 第42-63页 |
| ·引言 | 第42-44页 |
| ·基于ICA的无参考图像质量评价算法 | 第44-51页 |
| ·自然图像独立分量分布特征 | 第44-46页 |
| ·特性提取与比较 | 第46-48页 |
| ·算法流程 | 第48-49页 |
| ·实验结果与分析 | 第49-51页 |
| ·小结 | 第51页 |
| ·基于局部相关性的无参考图像质量评价算法 | 第51-61页 |
| ·引言 | 第51-52页 |
| ·模糊对图像质量的影响 | 第52-53页 |
| ·局部相关性 | 第53-59页 |
| ·算法流程 | 第59页 |
| ·实验结果与分析 | 第59-61页 |
| ·本章小结 | 第61-63页 |
| 5. 总结与展望 | 第63-65页 |
| ·总结 | 第63页 |
| ·展望 | 第63-65页 |
| 参考文献 | 第65-70页 |
| 致谢 | 第70-71页 |
| 作者简历 | 第71页 |
