面向目标检测的粗集理论及其应用研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-19页 |
| ·背景与研究意义 | 第10-11页 |
| ·目标检测概述 | 第11-14页 |
| ·基本概念 | 第11-12页 |
| ·图像分割研究现状 | 第12-14页 |
| ·图像分割评价标准 | 第14页 |
| ·粗集理论在图像中的应用 | 第14-16页 |
| ·本文主要研究内容与创新点 | 第16-17页 |
| ·本文组织结构 | 第17-19页 |
| 第2章 基础知识 | 第19-28页 |
| ·知识 | 第19-20页 |
| ·粗集 | 第20-22页 |
| ·模糊粗集和粗模糊集 | 第22-23页 |
| ·S-粗集 | 第23-25页 |
| ·S-粗集产生背景 | 第23-24页 |
| ·单向 S-粗集 | 第24页 |
| ·双向 S-粗集 | 第24-25页 |
| ·熵和粗糙熵 | 第25-27页 |
| ·粒计算简介 | 第27页 |
| ·本章小结 | 第27-28页 |
| 第3章 基于粗糙熵的图像模糊粗集阈值分割 | 第28-39页 |
| ·图像的粗集表示 | 第28页 |
| ·图像的粗糙熵度量及阈值分割算法 | 第28-30页 |
| ·图像的模糊粗集表示 | 第30-31页 |
| ·图像粗糙熵及阈值分割算法 | 第31-34页 |
| ·实验结果分析 | 第34-38页 |
| ·本章小结 | 第38-39页 |
| 第4章 基于粗糙熵的图像 S-粗集阈值分割 | 第39-49页 |
| ·图像的 S-粗集表示 | 第39-40页 |
| ·图像的变精度 S-粗集表示 | 第40-41页 |
| ·基于图像模型的阈值分割算法 | 第41-42页 |
| ·实验结果分析 | 第42-48页 |
| ·图像 S-粗集阈值算法与 Pal 法的比较 | 第43页 |
| ·图像 S-粗集阈值算法与其他阈值法的比较 | 第43-46页 |
| ·图像 S-粗集阈值算法与变精度阈值算法的比较 | 第46-47页 |
| ·图像变精度 S-粗集阈值算法与传统阈值法的比较 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第5章 基于粗集和 S-粗集的图像边缘检测算法 | 第49-61页 |
| ·经典模糊粗集边缘检测算法 | 第49-51页 |
| ·粗集和 S-粗集边缘检测算法 | 第51-54页 |
| ·实验结果分析 | 第54-60页 |
| ·图像粗集模型边缘提取 | 第55-57页 |
| ·图像 S-粗集模型边缘提取 | 第57-60页 |
| ·本章小结 | 第60-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-69页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第69-70页 |
| 致谢 | 第70页 |
