基于纹理合成的图像修复与基于分形的图像分割方法的研究与应用

图像修复论文 区域分割论文 自适应论文 分形维数论文 树状数组论文
论文详情
随着电子技术以及计算机技术的迅猛发展,人们对数字图像处理的要求愈来愈高。为了满足人们的需求,达到一定目的,对图像进行特殊处理成为一项备受重视的研究课题。这些特殊处理包括对图像中破损的信息进行修补,使得修补后的图像接近或达到原图的视觉效果,称为图像修复。以及将目标和背景分离的图像分割技术。研究图像修复和图像分割对于进一步发展数字图像处理理论,进一步扩大图像处理的应用领域具有重要意义。本文研究的主要内容包括:(1)提出了在待修复图像中分割出预选源区域的方法。实验表明,该方法有效地防止了错误修复块的出现,避免了偶尔出现的错误修复可能产生的恶性繁衍。(2)采用双线性插值的方法对原图像进行收缩,对收缩图像进行修复,该方法在数值计算上大大缩减了修复的时间,提高了算法时效。(3)提出了自适应窗口尺寸调整规则。实验表明,该方法有效的避免了错误修复块的出现,提高了修复质量。(4)提出了使用树状数组作为数据结构计算分形维数的方法,该方法解决了传统的分形维数算法,在大量计算维数时算法复杂度低的问题,能够高速计算一段区间内的分形维数。(5)提出了采用局部分形的图像分割算法,实验结果表明该算法充分利用云彩的分形特征,能够有效地将云彩和其他人工遮挡物以及背景光线变化和局部噪声区分开。
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
论文购买
论文编号ABS953644,这篇论文共114页
会员购买按0.30元/页下载,共需支付34.2
不是会员,注册会员
会员更优惠充值送钱
直接购买按0.5元/页下载,共需要支付57
只需这篇论文,无需注册!
直接网上支付,方便快捷!
相关论文

点击收藏 | 在线购卡 | 站内搜索 | 网站地图
版权所有 艾博士论文 Copyright(C) All Rights Reserved
版权申明:本文摘要目录由会员***投稿,艾博士论文编辑,如作者需要删除论文目录请通过QQ告知我们,承诺24小时内删除。
联系方式: QQ:277865656