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

基于体深度图像的原位体绘制算法研究

致谢第5-6页
摘要第6-7页
Abstract第7-8页
第1章 绪论第11-18页
    1.1 研究背景第11-16页
        1.1.1 数据可视化第11-12页
        1.1.2 科学可视化第12-13页
        1.1.3 原位可视化第13-14页
        1.1.4 原位体绘制第14-16页
    1.2 研究内容和创新第16页
    1.3 文章结构第16-18页
第2章 研究综述第18-25页
    2.1 原位可视化模式第18-19页
    2.2 原位的可视化预处理第19-22页
        2.2.1 原位数据压缩第20页
        2.2.2 原位特征提取第20-21页
        2.2.3 原位可视化绘制第21页
        2.2.4 小结第21-22页
    2.3 光线投射算法第22-24页
    2.4 本章小结第24-25页
第3章 基于体深度图像的原位体绘制第25-40页
    3.1 体深度图像的生成第25-28页
    3.2 体深度图像的绘制第28-30页
    3.3 基于体深度图像的原位体绘制第30-32页
    3.4 原位可视化预处理的评估第32-33页
        3.4.1 数据压缩率第32页
        3.4.2 原位处理时间第32-33页
        3.4.3 可视化绘制质量第33页
        3.4.4 小结第33页
    3.5 体深度图像的评估第33-34页
    3.6 体深度图像参数分析第34-35页
    3.7 实验第35-38页
    3.8 本章小结第38-40页
第4章 原位体深度图像参数组寻优第40-59页
    4.1 体深度图像参数组的寻优框架第40-41页
    4.2 体深度图像的参数评估体系第41-44页
        4.2.1 多目标优化简介第41页
        4.2.2 体深度图像评估体系第41-43页
        4.2.3 图像质量计算第43-44页
        4.2.4 小结第44页
    4.3 基于启发式算法的参数寻优算法第44-58页
        4.3.1 启发式算法第44-45页
        4.3.2 粒子群算法第45-47页
        4.3.3 遗传算法第47-50页
        4.3.4 参数搜索空间第50-52页
        4.3.5 实验和分析第52-57页
        4.3.6 小结第57-58页
    4.4 本章小结第58-59页
第5章 总结与展望第59-61页
    5.1 本文总结第59页
    5.2 未来展望第59-61页
参考文献第61-66页
作者简历及在校期间取得的研究成果第66页

论文共66页,点击 下载论文
上一篇:基于耦合深度信念网络的图像识别方法
下一篇:小学智能硬件课程中工程思维培养的行动研究