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

低照度图像增强算法的研究

摘要第1-7页
Abstract第7-9页
目录第9-12页
第一章 绪论第12-17页
   ·图像增强技术的发展概况第12-14页
     ·空间域图像增强第12-13页
     ·频率域图像增强第13-14页
   ·低照度图像增强算法的研究背景第14页
   ·低照度图像增强算法的国内外研究现状第14-16页
   ·本文主要研究工作及内容安排第16-17页
第二章 小波变换图像增强第17-26页
   ·小波变换的发展及应用第17-23页
     ·小波变换的历史及背景第17-18页
     ·小波变换的应用第18-19页
     ·小波及小波变换第19-21页
     ·几种小波系的介绍第21-23页
   ·小波变换图像增强流程图第23-24页
   ·图像增强的评价指标第24-25页
   ·本章小结第25-26页
第三章 基于小波神经网络的图像增强算法第26-39页
   ·人工神经网络的发展及应用第26-30页
     ·人工神经网络的基本特征第26-27页
     ·人工神经网络的应用第27-28页
     ·人工神经网络基本结构第28-30页
   ·基于小波神经网络的低照度图像增强算法第30-38页
     ·BP神经网络第30-35页
     ·基于BP神经网络的参数选择系统第35-37页
     ·程序流程图第37-38页
   ·本章小结第38-39页
第四章 基于免疫遗传算法的图像增强算法第39-51页
   ·免疫遗传算法基本原理和特点第39-44页
     ·遗传算法的原理第39-41页
     ·遗传算法的特点和缺陷第41-42页
     ·生物免疫学原理第42-43页
     ·免疫遗传算法的基本原理及特点第43-44页
   ·基于免疫遗传算法的低照度图像增强算法第44-50页
     ·基于免疫遗传算法的BP神经网络模型第44-46页
     ·基于欧式距离的免疫遗传算法第46页
     ·基于精英交叉的免疫遗传算法第46-49页
     ·程序流程图第49-50页
   ·本章小结第50-51页
第五章 小波函数的选取和增强系数的确定第51-60页
   ·小波函数的选取第51-56页
     ·小波函数选择的主要因素第51-52页
     ·小波函数的确定第52-56页
   ·增强系数的确定第56-59页
   ·本章小结第59-60页
第六章 实验仿真第60-68页
   ·免疫遗传算法图像增强与BP-神经网络图像增强的性能比较第60-62页
     ·性能比较第60-62页
     ·实验小结第62页
   ·免疫遗传算法图像增强与普通直方图增强的比较第62-67页
   ·本章小结第67-68页
结论第68-69页
参考文献第69-72页
攻读硕士学位期间取得的研究成果第72-73页
致谢第73-74页
附件第74页

论文共74页,点击 下载论文
上一篇:复杂光照条件下的肤色检测研究
下一篇:光线追踪加速系统的研究与实现