| 摘要 | 第1-5页 |
| ABSTRACT | 第5-11页 |
| 第一章 绪论 | 第11-15页 |
| ·研究背景 | 第11-12页 |
| ·课题意义 | 第12-13页 |
| ·论文章节安排 | 第13-15页 |
| 第二章 图像压缩技术 | 第15-27页 |
| ·图像压缩理论 | 第15-19页 |
| ·数据冗余 | 第15-16页 |
| ·图像压缩编码系统的基本构成 | 第16页 |
| ·无损和近无损图像压缩 | 第16-17页 |
| ·预测编码 | 第17-19页 |
| ·原始数据压缩技术 | 第19-24页 |
| ·图像传感器工作原理 | 第19-20页 |
| ·CFA阵列 | 第20-21页 |
| ·CFA图像获取的数学模型 | 第21-22页 |
| ·原始数据 | 第22页 |
| ·图像处理流程 | 第22-23页 |
| ·对原始数据直接压缩的意义及优缺点 | 第23-24页 |
| ·神经网络及其在图像压缩中的应用 | 第24-27页 |
| 第三章 基于贝尔模板图像的无损图像压缩研究 | 第27-53页 |
| ·JEPG-LS算法 | 第27-33页 |
| ·从JPEG的无损压缩模式到JPEG-LS | 第27-28页 |
| ·JPEG-LS的主要编码原则 | 第28-30页 |
| ·JPEG-LS应用分析 | 第30-33页 |
| ·基于结构分离法的JPEG-LS算法改进 | 第33-35页 |
| ·结构分离法 | 第33-34页 |
| ·实验结果分析 | 第34-35页 |
| ·基于插值法的JPEG-LS算法改进 | 第35-38页 |
| ·插值 | 第35-37页 |
| ·实验结果分析 | 第37-38页 |
| ·神经网络预测编码 | 第38-51页 |
| ·BP网络 | 第38-40页 |
| ·神经网络预测编码器的设计 | 第40-50页 |
| ·实验结果分析 | 第50-51页 |
| ·本章小结 | 第51-53页 |
| 第四章 边缘检测 | 第53-83页 |
| ·图像边缘的定义 | 第53-54页 |
| ·边缘检测的方法 | 第54-55页 |
| ·边缘检测算子 | 第55-62页 |
| ·差分边缘检测 | 第55-56页 |
| ·Roberts算子 | 第56-57页 |
| ·Sobel算子 | 第57页 |
| ·Prewitt算子 | 第57-58页 |
| ·Laplacian算子 | 第58-59页 |
| ·Log(Laplacian-Gauss)算子 | 第59-60页 |
| ·Canny算子 | 第60-62页 |
| ·基于Bayer图像的边缘检测 | 第62-70页 |
| ·与Bayer图像边缘检测密切相关的插值算法 | 第62-66页 |
| ·Bayer图像边缘检测算法 | 第66-70页 |
| ·Bayer图像因果邻域像素的边缘检测 | 第70-72页 |
| ·检测结果和结论 | 第72-78页 |
| ·常用边缘检测算子实验结果分析 | 第72-74页 |
| ·Bayer图像边缘检测器试验结果分析 | 第74-77页 |
| ·Bayer图像因果模板差分边缘检测试验结果分析 | 第77-78页 |
| ·Bayer图像因果模板差分边缘检测神经网络预测编码器改进 | 第78-82页 |
| ·基于差分边缘检测的神经网络预测器改进算法 | 第78-79页 |
| ·基于差分边缘检测的神经网络预测器实验结果分析 | 第79-82页 |
| ·本章小结 | 第82-83页 |
| 第五章 结论和展望 | 第83-85页 |
| ·结论 | 第83-84页 |
| ·展望 | 第84-85页 |
| 参考文献 | 第85-91页 |
| 致谢 | 第91-93页 |
| 攻读硕士期间发表的学术论文 | 第93页 |