基于生物视觉模型的图形图像处理方法
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-12页 |
| 第一章 绪论 | 第12-18页 |
| ·引言 | 第12-13页 |
| ·研究背景 | 第13页 |
| ·相关应用 | 第13-15页 |
| ·研究内容与贡献 | 第15-16页 |
| ·论文组织结构 | 第16-18页 |
| 第二章 相关研究综述 | 第18-48页 |
| ·引言 | 第18页 |
| ·点云曲面与网格去噪 | 第18-25页 |
| ·拉普拉斯方法 | 第19-22页 |
| ·能量最优化方法 | 第22-23页 |
| ·双边滤波算法 | 第23-24页 |
| ·移动最小二乘投影方法 | 第24-25页 |
| ·网格融合及拼接 | 第25-26页 |
| ·图像去噪 | 第26-31页 |
| ·经典矢量滤波器 | 第27-29页 |
| ·新型矢量滤波器 | 第29-31页 |
| ·图像分割 | 第31-36页 |
| ·直方图阈值化方法 | 第31-32页 |
| ·基于边缘检测的方法 | 第32页 |
| ·基于区域的方法 | 第32-34页 |
| ·特征空间聚类方法 | 第34页 |
| ·人工神经网络 | 第34-35页 |
| ·模糊技术 | 第35页 |
| ·脉冲耦合神经网络 | 第35-36页 |
| ·图像融合 | 第36-39页 |
| ·非多尺度分解方法 | 第37-38页 |
| ·多尺度分解方法 | 第38-39页 |
| ·脉冲耦合神经网络 | 第39-48页 |
| ·生物视觉神经系统 | 第39-42页 |
| ·脉冲耦合神经网络模型 | 第42-44页 |
| ·脉冲耦合神经网络主要特性 | 第44-45页 |
| ·脉冲耦合神经网络在Matlab中的程序实现 | 第45-48页 |
| 第三章 点云曲面去噪 | 第48-64页 |
| ·引言 | 第48-49页 |
| ·算法概述 | 第49-50页 |
| ·基于PCNN的噪声点定位 | 第50-53页 |
| ·基于双边滤波的点云去噪 | 第53-57页 |
| ·k-邻近点的计算 | 第54-57页 |
| ·顶点法向的计算 | 第57页 |
| ·实验结果及分析 | 第57-62页 |
| ·本章小结 | 第62-64页 |
| 第四章 三维网格去嗓,融合及拼接 | 第64-84页 |
| ·引言 | 第64-65页 |
| ·算法概述 | 第65-66页 |
| ·基于PCNN的网格光顺 | 第66-68页 |
| ·重叠区域的检测 | 第68-73页 |
| ·有向包围盒的构建 | 第69-70页 |
| ·有向包围盒的相交测试 | 第70-73页 |
| ·重叠区域的融合 | 第73-76页 |
| ·移动最小二乘投影 | 第73-76页 |
| ·网格拼接 | 第76-79页 |
| ·点邻域平坦度的计算 | 第77-79页 |
| ·实验结果及分析 | 第79-82页 |
| ·本章小结 | 第82-84页 |
| 第五章 彩色图像椒盐噪声滤波 | 第84-94页 |
| ·引言 | 第84-85页 |
| ·算法概述 | 第85页 |
| ·基于方差的图像增强 | 第85-86页 |
| ·基于PCNN的噪声点定位 | 第86-87页 |
| ·基于VMF的噪声点移除 | 第87-88页 |
| ·图像去噪的评估准则 | 第88-89页 |
| ·实验结果及分析 | 第89-92页 |
| ·本章小结 | 第92-94页 |
| 第六章 彩色图像分割 | 第94-104页 |
| ·引言 | 第94-95页 |
| ·算法概述 | 第95-96页 |
| ·基于香农熵的图像增强 | 第96-97页 |
| ·基于PCNN的图像分割方法 | 第97-98页 |
| ·基于最大方差比的迭代次数的判定 | 第98-99页 |
| ·基于香农熵的分割方案选择 | 第99页 |
| ·实验结果及分析 | 第99-102页 |
| ·本章小结 | 第102-104页 |
| 第七章 彩色图像融合 | 第104-122页 |
| ·引言 | 第104-105页 |
| ·算法概述 | 第105-107页 |
| ·颜色空间变换与图像增强 | 第107-108页 |
| ·对比度金字塔分解与逆分解 | 第108-110页 |
| ·基于PCNN的图像融合规则 | 第110-111页 |
| ·生成最终融合图像 | 第111页 |
| ·图像融合效果的评价方法 | 第111-114页 |
| ·实验结果及分析 | 第114-121页 |
| ·本章小结 | 第121-122页 |
| 第八章 结论与展望 | 第122-126页 |
| ·本文工作总结 | 第122-123页 |
| ·进一步研究工作展望 | 第123-126页 |
| 参考文献 | 第126-140页 |
| 致谢 | 第140-142页 |
| 攻读博士学位期间主要研究成果 | 第142-143页 |
