首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

图像增强及其在视觉跟踪中的应用

中文摘要第1-14页
Abstract第14-16页
第一章 绪论第16-36页
   ·研究背景及意义第16-18页
   ·图像增强技术研究现状第18-30页
     ·图像去噪研究现状第19-25页
     ·图像二值化修复研究现状第25-26页
     ·图像结构增强研究现状第26-29页
     ·图像评价方法研究现状第29-30页
   ·视觉跟踪的研究现状第30-33页
   ·论文主要内容与结构安排第33-36页
第二章 多尺度及梯度映射图像去噪研究第36-60页
   ·引言第36-38页
   ·非局部平均去噪方法第38-39页
   ·多尺度非局部平均去噪方法第39-49页
     ·多尺度分割第40-41页
     ·相似性距离第41-42页
     ·阈值估计第42-44页
     ·实验结果与分析第44-49页
   ·基于梯度映射的L1范数图像去噪第49-56页
     ·图像去噪问题阐述第51页
     ·图像去噪模型第51-52页
     ·基于L1范数的去噪方法第52-54页
     ·实验结果与分析第54-56页
   ·本章小结第56-60页
第三章 基于直方图的Wellner 模型破损图像修复研究第60-76页
   ·引言第60-61页
   ·Wellner 图像修复模型第61-63页
   ·基于直方图的自适应阈值图像修复算法第63-69页
     ·破损图像预处理第63-65页
     ·基于直方图的自适应阈值法第65-67页
     ·破损图像修复处理第67-69页
   ·实验结果与分析第69页
   ·本章小结第69-76页
第四章 基于弥散张量的结构保持图像增强研究第76-88页
   ·引言第76-77页
   ·血管增强弥散滤波器(VED)第77-81页
     ·Hessian 矩阵第77-78页
     ·Hessian 矩阵特征值及其数学意义第78-79页
     ·基于特征值的结构保持图像增强算法第79页
     ·多尺度理论VED 模型第79-81页
   ·改进的VED 结构保持模型第81-82页
     ·定义结构张量第81-82页
     ·结构保持的VED 模型第82页
   ·实验结果与分析第82-86页
   ·本章小结第86-88页
第五章 基于图像分析的图像质量新评价方法第88-98页
   ·引言第88-89页
   ·相关工作第89-91页
     ·信噪比(SNR)第89-90页
     ·峰值信噪比(PSNR)第90页
     ·均方误差(MSE)第90-91页
     ·方法噪声(Method Noise)第91页
   ·IMSE 图像评价方法第91-92页
     ·定义亮度估计第91-92页
     ·定义对比相似度估计第92页
     ·IMSE 方法第92页
   ·实验结果与分析第92-97页
   ·本章小结第97-98页
第六章 视频序列图像增强与视频目标3D 跟踪第98-114页
   ·引言第98-100页
   ·视频序列图像增强第100-101页
     ·视频暗区信息估计第100页
     ·伽马校正亮度图像第100-101页
     ·非局部平均算法去噪第101页
     ·视频序列增强实验结果第101页
   ·无迹卡尔曼滤波(UKF)第101-106页
     ·UT 变换第103页
     ·Sigma 点采样第103-104页
     ·由Sigma 集获得统计量第104-105页
     ·UKF 初始化与循环第105-106页
   ·基于UKF 的视频目标3D 跟踪第106-109页
     ·系统模型第106页
     ·基于UKF 的视频目标跟踪算法第106-109页
   ·实验结果与分析第109-112页
     ·仿真结果第109-110页
     ·实验结果第110-112页
   ·本章小结第112-114页
第七章 结束语第114-118页
   ·工作与创新点总结第114-115页
   ·下一步工作第115-118页
致谢第118-120页
参考文献第120-134页
作者在学期间取得的学术成果第134-136页
作者在学期间参与的主要科研项目第136-138页
附录A 梯度映射法第138-139页

论文共139页,点击 下载论文
上一篇:变分方法与模糊聚类在图像分割中的应用研究
下一篇:基于对称性的人造物体结构分析与处理