| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 选题背景 | 第9-10页 |
| 1.2 研究现状 | 第10-12页 |
| 1.2.1 视觉图像中目标区域检测方法 | 第10-12页 |
| 1.2.2 视觉图像中目标区域去除方法 | 第12页 |
| 1.3 论文的研究内容 | 第12-13页 |
| 1.4 论文的组织安排 | 第13-15页 |
| 第2章 机器视觉中的相关图像处理技术 | 第15-22页 |
| 2.1 彩色图像的灰度化处理 | 第15-16页 |
| 2.2 图像增强技术 | 第16页 |
| 2.2.1 基于二阶微分的图像增强——拉普拉斯算子 | 第16页 |
| 2.3 边缘检测 | 第16-18页 |
| 2.3.1 Roberts边缘算子 | 第17页 |
| 2.3.2 Sobel边缘算子 | 第17页 |
| 2.3.3 Prewitt边缘算子 | 第17-18页 |
| 2.3.4 拉普拉斯边缘算子 | 第18页 |
| 2.4 图像分割 | 第18-19页 |
| 2.4.1 双峰法 | 第18-19页 |
| 2.4.2 迭代法 | 第19页 |
| 2.4.3 大津法 | 第19页 |
| 2.5 数学形态学 | 第19-21页 |
| 2.5.1 腐蚀 | 第19-20页 |
| 2.5.2 膨胀 | 第20-21页 |
| 2.5.3 开运算和闭运算 | 第21页 |
| 2.6 本章小结 | 第21-22页 |
| 第3章 机器视觉图像中文本目标区域的检测 | 第22-38页 |
| 3.1 引言 | 第22页 |
| 3.2 视觉图像中目标分类 | 第22-23页 |
| 3.3 视觉图像中目标特征 | 第23-24页 |
| 3.4 目标定位方法分类 | 第24-27页 |
| 3.4.1 基于区域的方法 | 第24-25页 |
| 3.4.2 基于边缘的方法 | 第25页 |
| 3.4.3 基于纹理的方法 | 第25-26页 |
| 3.4.4 基于学习的方法 | 第26页 |
| 3.4.5 目标区域检测的其他方法 | 第26-27页 |
| 3.5 基于边缘检测和连通域分析的目标定位算法的提出 | 第27-37页 |
| 3.5.1 图像预处理 | 第27-28页 |
| 3.5.2 二值图像的生成 | 第28-31页 |
| 3.5.3 二值图的形态学操作 | 第31-32页 |
| 3.5.4 目标连通区域筛选 | 第32-35页 |
| 3.5.5 实验结果及分析 | 第35-37页 |
| 3.6 本章小结 | 第37-38页 |
| 第4章 机器视觉图像恢复 | 第38-57页 |
| 4.1 引言 | 第38-40页 |
| 4.2 Criminisi修复算法原理 | 第40-44页 |
| 4.2.1 待修复区域的确定 | 第41-43页 |
| 4.2.2 最佳匹配块内数据的传递 | 第43-44页 |
| 4.2.3 自信度更新 | 第44页 |
| 4.3 Criminisi修复算法的不足 | 第44-45页 |
| 4.3.1 优先权的计算 | 第44-45页 |
| 4.3.2 匹配块搜索范围 | 第45页 |
| 4.4 对Criminisi修复算法的改进 | 第45-47页 |
| 4.4.1 优先权计算方式的改进 | 第45-46页 |
| 4.4.2 搜索策略的改进 | 第46-47页 |
| 4.5 目标区域背景的自动恢复 | 第47-51页 |
| 4.5.1 本文修复算法流程图 | 第47-48页 |
| 4.5.2 基于Matlab的目标区域修复算法实现 | 第48-51页 |
| 4.6 实验结果及分析 | 第51-56页 |
| 4.6.1 对文本区域的背景恢复 | 第51-54页 |
| 4.6.2 其他被遮挡目标区域的恢复 | 第54-56页 |
| 4.7 本章小结 | 第56-57页 |
| 第5章 总结与展望 | 第57-59页 |
| 5.1 全文总结 | 第57-58页 |
| 5.2 下一步研究方向 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第62-63页 |
| 致谢 | 第63页 |
