内容提要 | 第4-9页 |
第1章 绪论 | 第9-19页 |
1.1 课题研究的意义 | 第9-11页 |
1.2 数字图像修复的研究现状 | 第11-13页 |
1.3 分形理论的发展和基于分形理论图像分割的应用意义 | 第13-16页 |
1.3.1 分形理论的发展现状 | 第13-14页 |
1.3.2 基于分形理论的图像分割的应用意义 | 第14-16页 |
1.4 论文的主要内容和创新点 | 第16-19页 |
1.4.1 论文的组织结构和主要研究的内容 | 第16-18页 |
1.4.2 论文工作的创新点 | 第18-19页 |
第2章 图像修复与分割的理论基础 | 第19-43页 |
2.1 修复问题的数学基础 | 第19-23页 |
2.1.1 修复问题的数学模型 | 第19-22页 |
2.1.2 修复问题的贝叶斯推理 | 第22-23页 |
2.2 基于纹理合成的图像修复方法 | 第23-27页 |
2.2.1 纹理的定义 | 第23-24页 |
2.2.2 纹理合成的方法 | 第24-25页 |
2.2.3 基于块采样的图像修复 | 第25-27页 |
2.3 分形基础理论与图像分形模型 | 第27-37页 |
2.3.1 分形的定义 | 第27-28页 |
2.3.2 分形维 | 第28-30页 |
2.3.3 计算图像分形维数的方法 | 第30-37页 |
2.4 基于分形理论图像分割方法 | 第37-42页 |
2.4.1 基于小波分析和分形理论的图象分割方法 | 第38-39页 |
2.4.2 基于分形理论和神经网络的图像分割算法 | 第39-41页 |
2.4.3 其它基于分形理论图像分割算法 | 第41-42页 |
2.5 本章小结 | 第42-43页 |
第3章 基于区域分割的变尺寸样本块高效图像修复方法 | 第43-62页 |
3.1 引言 | 第43-46页 |
3.2 基于区域分割的变尺寸样本块高效图像修复算法 | 第46-56页 |
3.2.1 修复算法的时耗分析 | 第47-49页 |
3.2.2 分割采样图像中预选区域的目的 | 第49-50页 |
3.2.3 预选区域的定义和选取算法 | 第50-51页 |
3.2.4 预选区域对时效性能的影响 | 第51-52页 |
3.2.5 采用自适应窗口尺寸调整规则的目的 | 第52-53页 |
3.2.6 窗口模板自适应调整规则的定义 | 第53-54页 |
3.2.7 分割包含修复不完全区域的子图像 | 第54-56页 |
3.3 实验结果分析 | 第56-60页 |
3.4 本章小结 | 第60-62页 |
第4章 基于多维分形的图像分割算法 | 第62-80页 |
4.1 引言 | 第62-63页 |
4.2 相关技术和背景知识 | 第63-69页 |
4.2.1 图像分割算法 | 第63-65页 |
4.2.2 云的分类与分形 | 第65-67页 |
4.2.3 传统的分形维度计算 | 第67-69页 |
4.3 快速分形维度计算方法 | 第69-73页 |
4.3.1 区间树(Interval Tree) | 第69-71页 |
4.3.2 树状数组 | 第71-73页 |
4.4 基于局部分形维数的图像分割算法 | 第73-75页 |
4.5 实验数据与分析 | 第75-78页 |
4.6 本章小结 | 第78-80页 |
第5章 图像修复与图像分割在红外云图处理中的应用 | 第80-91页 |
5.1 引言 | 第80-82页 |
5.2 系统结构 | 第82-83页 |
5.3 红外云图处理算法 | 第83-90页 |
5.3.1 算法流程 | 第84-85页 |
5.3.2 支架的去除 | 第85-88页 |
5.3.3 基于分形的红外云图分割 | 第88-89页 |
5.3.4 云图伪彩处理 | 第89-90页 |
5.4 本章小结 | 第90-91页 |
第6章 总结与展望 | 第91-95页 |
6.1 全文总结 | 第91-92页 |
6.2 今后的研究工作 | 第92-95页 |
参考文献 | 第95-105页 |
攻读博士学位期间所发表的学术论文 | 第105-107页 |
致谢 | 第107-108页 |
摘要 | 第108-111页 |
Abstract | 第111-114页 |