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

基于显著度的图像灰度化算法研究

摘要第5-7页
ABSTRACT第7-8页
第一章 绪论第12-17页
    1.1 论文研究背景及意义第12-13页
    1.2 论文研究目标及方法第13-14页
    1.3 论文创新点第14-15页
    1.4 相关技术与简介第15-16页
    1.5 论文的主要内容与章节安排第16页
    1.6 本章小结第16-17页
第二章 显著度检测算法第17-27页
    2.1 概述第17-19页
    2.2 视觉注意机制分类第19-20页
    2.3 显著度检测算法通用结构第20-21页
    2.4 显著性检测经典算法第21-26页
    2.5 本章小结第26-27页
第三章 传统灰度化算法第27-42页
    3.1 概述第27-28页
    3.2 基于函数的灰度化算法第28-36页
        3.2.1 简单方法第28-32页
        3.2.2 直接方法第32-34页
        3.2.3 色度直接法第34-36页
    3.3 基于优化的灰度化算法第36-41页
    3.4 本章小结第41-42页
第四章 基于显著度的灰度化算法第42-67页
    4.1 灰度化的目标第42-43页
    4.2 算法流程图第43-45页
    4.3 基于显著度的灰度化算法第45-61页
        4.3.1 彩色到灰度的映射函数第45-46页
        4.3.2 视觉对比度模型(VCM)第46-49页
        4.3.3 保持对比度的灰度化模型(CPDM)第49-52页
        4.3.4 矩阵形式的CPDM第52-59页
        4.3.5 CPDM的加速算法第59-61页
    4.4 实验结果与分析第61-65页
        4.4.1 映射函数的选择——线性还是非线性?第62-63页
        4.4.2 σ~2的取值第63页
        4.4.3 色彩空间的选择——RGB还是CIEL*a*b*?第63-65页
        4.4.4 分割算法的选择第65页
        4.4.5 显著度检测算法的缺陷第65页
    4.5 本章小结第65-67页
第五章 总结与展望第67-70页
    5.1 工作总结第67-68页
    5.2 未来展望第68-70页
参考文献第70-73页
致谢第73-75页
攻读学位期间发表的学术论文第75-76页
附件第76页

论文共76页,点击 下载论文
上一篇:基于深度学习的搜索广告点击率预测方法研究
下一篇:基于词向量的短文本分类方法研究