基于支持向量机的图像处理方法研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 1 绪论 | 第9-13页 |
| ·课题背景及意义 | 第9-10页 |
| ·支持向量机概述 | 第10页 |
| ·数字图像处理简介 | 第10-11页 |
| ·本文的主要研究工作 | 第11-13页 |
| 2 统计学习理论及支持向量机 | 第13-22页 |
| ·统计学习理论概述 | 第13-15页 |
| ·统计学习理论基本内容 | 第13-14页 |
| ·统计学习理论核心内容 | 第14-15页 |
| ·支持向量机概述 | 第15-20页 |
| ·支持向量机的基本思想 | 第15-16页 |
| ·支持向量机的基础算法 | 第16-20页 |
| ·支持向量机算法研究 | 第20页 |
| ·小结 | 第20-22页 |
| 3 基于SVR 理论的图像处理研究 | 第22-32页 |
| ·图像的SVR 表示 | 第22-24页 |
| ·SVR 表示图像原理 | 第22-23页 |
| ·图像样本训练和图像恢复 | 第23-24页 |
| ·SVR 图像处理 | 第24-31页 |
| ·SVR 图像几何变换 | 第24-26页 |
| ·SVR 图像高斯平滑滤波 | 第26-28页 |
| ·SVR 图像压缩研究 | 第28-31页 |
| ·小结 | 第31-32页 |
| 4 基于LS-SVM 理论的边缘提取研究 | 第32-43页 |
| ·用于回归分析的LS-SVM 简介 | 第32-33页 |
| ·图像边缘检测简介 | 第33-34页 |
| ·利用LS-SVM 进行图像边缘 | 第34-37页 |
| ·采用LS-SVM 进行图像拟合原理 | 第34-35页 |
| ·图像梯度算子和零交叉算子计算 | 第35-37页 |
| ·实验仿真 | 第37-41页 |
| ·边缘检测的性能指标 | 第37-38页 |
| ·遗传算法及LS-SVM 最优参数 | 第38-41页 |
| ·小结 | 第41-43页 |
| 5 基于LS-SVM 理论的图像去噪研究 | 第43-48页 |
| ·小波变换及其去噪原理 | 第43-44页 |
| ·小波变换及LS-SVM 去噪原理 | 第44-45页 |
| ·实验分析 | 第45-47页 |
| ·小结 | 第47-48页 |
| 6 总结 | 第48-50页 |
| 致谢 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 作者在攻读硕士期间所投的论文及参加的科研项目 | 第54页 |
