基于稀疏高频梯度和联合双边滤波的图像平滑算法研究
| 中文摘要 | 第8-10页 |
| ABSTRACT | 第10-11页 |
| 第1章 绪论 | 第12-21页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 研究现状及挑战 | 第13-18页 |
| 1.2.1 研究现状 | 第13-17页 |
| 1.2.2 挑战 | 第17-18页 |
| 1.3 本文的主要工作和创新点 | 第18-19页 |
| 1.4 本文组织结构 | 第19-21页 |
| 第2章 图像平滑算法的设计与实现 | 第21-31页 |
| 2.1 问题描述 | 第21-22页 |
| 2.2 双边滤波 | 第22-24页 |
| 2.3 联合双边滤波 | 第24页 |
| 2.4 图像梯度约束 | 第24-28页 |
| 2.4.1 TV模型 | 第24-25页 |
| 2.4.2 L_0范数梯度约束 | 第25-26页 |
| 2.4.3 计算方法 | 第26-28页 |
| 2.5 图像平滑算法的设计与实现 | 第28-30页 |
| 2.6 本章小结 | 第30-31页 |
| 第3章 图像平滑算法的改进与实现 | 第31-38页 |
| 3.1 改进原因及思路 | 第31页 |
| 3.2 图像分解 | 第31-33页 |
| 3.3 稀疏高频梯度约束 | 第33-35页 |
| 3.4 改进的图像平滑算法的设计与实现 | 第35-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第4章 算法的实验结果与对比分析 | 第38-45页 |
| 4.1 图像平滑质量的评价方法 | 第38-39页 |
| 4.2 文中提出的两种图像平滑算法对比 | 第39-42页 |
| 4.3 改进的图像平滑算法与其它图像平滑算法对比 | 第42-44页 |
| 4.4 本章小结 | 第44-45页 |
| 第5章 图像平滑在图像处理中的应用 | 第45-50页 |
| 5.1 边缘检测及图像抽象化 | 第45-47页 |
| 5.1.1 边缘检测 | 第45-46页 |
| 5.1.2 图像抽象化 | 第46-47页 |
| 5.2 细节增强 | 第47-48页 |
| 5.3 图像合成 | 第48页 |
| 5.4 其它应用 | 第48-49页 |
| 5.5 本章小结 | 第49-50页 |
| 第6章 总结与展望 | 第50-52页 |
| 6.1 总结 | 第50-51页 |
| 6.2 展望 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 致谢 | 第56-57页 |
| 攻读学位期间发表的学术论文和参加科研情况 | 第57-58页 |
| 学位论文评阅及答辩情况表 | 第58页 |
