声明
致谢
摘要
插图清单
表格清单
第1章 绪论
1.1 研究背景与意义
1.2 选题与研究思路
1.3 研究成果和创新点
1.4 内容安排
第2章 连分式插值的基本理论介绍
2.1 引言
2.2 连分式定义与基本性质
2.3 一元连分式插值
2.3.1 一元Thiele型连分式插值
2.3.2 修正的一元Thiele混合连分式插值
2.4 二元连分式插值
2.4.1 Thiele-Thiele型分支连分式插值
2.4.2 Newton-Thiele型混合连分式插值
2.5 向量值连分式插值
2.5.1 一元向量值连分式插值
2.5.2 二元向量值连分式插值
2.6 本章小结
第3章 一元连分式插值在图像脉冲去噪中的应用
3.1 引言
3.2 相关工作
3.2.1 统计排序方法
3.2.2 开关排序方法
3.2.3 基于模糊技术的方法
3.2.4 非局部均值方法
3.2.5 基于偏微方程的方法
3.2.6 其它一些研究方法
3.3 现有图像脉冲去噪方法存在的问题
3.3.1 先验知识的问题
3.3.2 边缘保持问题
3.3.3 自动化检测问题
3.3.4 单极和双极脉冲的问题
3.4 基于一元Thiele连分式插值的图像脉冲去噪方法
3.4.1 一元Thiele连分式插值脉冲去噪算法
3.4.2 权重计算方法
3.4.3 样本点的选择
3.5 实验结果与分析
3.6 本章小结
第4章 二元Newton-Thiele连分式插值在图像脉冲去噪中的应用
4.1 引言
4.2 自动化脉冲噪声检测方法
4.2.1 现有检测方法介绍
4.2.2 脉冲噪声图像的自动化检测
4.2.3 污染像素的检测和标记
4.3 基于二元Newton-Thiele连分式插值的脉冲去噪方法
4.3.1 二维网格构造
4.3.2 Newton-Thiele插值去噪
4.4 实验结果与分析
4.4.1 噪声图像的检测性能
4.4.2 污染像素点的检测性能
4.4.3 去噪性能
4.5 本章小结
第5章 基于一元向量值连分式插值的时序数据压缩与重建
5.1 引言
5.2 相关工作
5.2.1 基于关键数据点的压缩和重建
5.2.2 基于分段直线的压缩和重建
5.3 基于一元Thiele向量值连分式插值的压缩与重建方法
5.4 实验结果与分析
5.5 章小结
第6章 视频镜头和场景边界检测方法的研究
6.1 引言
6.2 基于快速鲁棒特征和摄像机运动特征的镜头边界检测
6.2.1 镜头快速鲁棒特征的提取
6.2.2 切变镜头边界的检测
6.2.3 渐变镜头边界的检测
6.2.4 实验结果与分析
6.3 基于连分式插值的统一镜头边界检测模型
6.3.1 镜头特征抽取和检测算法的研究现状
6.3.2 构造视频镜头边界检测统一模型
6.3.3 实验结果与分析
6.4 基于机器学习和有向时序图的模糊场景分割方法
6.4.1 时序有向图的构造和分割
6.4.2 基于实例学习的模糊场景分割
6.4.3 实验结果与分析
6.5 本章小结
第7章 总结与展望
7.1 本文的工作总结
7.2 今后的研究工作展望
参考文献
攻读博士学位期间参加的科研项目
攻读博士学位期间完成的成果