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 |