图像处理技术与统计学方法在自动化年轮分析系统中的应用
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-13页 |
| 1.1 背景与研究目的 | 第7-8页 |
| 1.2 研究现状 | 第8-11页 |
| 1.3 本文内容与章节安排 | 第11-13页 |
| 第二章 轮廓提取算法理论 | 第13-21页 |
| 2.1 图像分割 | 第13-16页 |
| 2.1.1 阈值法 | 第13-14页 |
| 2.1.2 边缘检测 | 第14-16页 |
| 2.2 自适应 | 第16-17页 |
| 2.3 噪声去除 | 第17页 |
| 2.4 骨架提取 | 第17-19页 |
| 2.5 本章小结 | 第19-21页 |
| 第三章 算法选取与功能实现 | 第21-43页 |
| 3.1 基本架构 | 第21页 |
| 3.2 功能实现的重点难点 | 第21-23页 |
| 3.3 设计难点的对策 | 第23-24页 |
| 3.4 年轮检测 | 第24-30页 |
| 3.4.1 转化灰度图像 | 第24页 |
| 3.4.2 滤波降噪 | 第24-25页 |
| 3.4.3 年轮轮廓提取 | 第25-30页 |
| 3.5 噪点去除 | 第30-34页 |
| 3.5.1 利用面积去除噪点 | 第30-32页 |
| 3.5.2 细化年轮 | 第32-34页 |
| 3.6 获得年轮属性 | 第34-41页 |
| 3.6.1 统计学思想 | 第34-35页 |
| 3.6.2 中心检测 | 第35-37页 |
| 3.6.3 直线生成 | 第37-38页 |
| 3.6.4 统计学分析 | 第38-40页 |
| 3.6.5 年轮宽度测量 | 第40-41页 |
| 3.7 系统流程 | 第41页 |
| 3.8 本章小结 | 第41-43页 |
| 第四章 仿真实验与结论 | 第43-55页 |
| 4.1 实验环境 | 第43-44页 |
| 4.2 年轮提取部分的实验 | 第44-45页 |
| 4.3 噪声去除 | 第45-48页 |
| 4.4 骨架提取 | 第48-50页 |
| 4.5 中心检测实验 | 第50-51页 |
| 4.6 引入统计方法的效果 | 第51-52页 |
| 4.7 与经典方法的比较 | 第52-53页 |
| 4.8 年轮宽度测试实验 | 第53-54页 |
| 4.9 本章总结 | 第54-55页 |
| 第五章 总结与展望 | 第55-57页 |
| 5.1 总结 | 第55-56页 |
| 5.2 不足与展望 | 第56-57页 |
| 致谢 | 第57-59页 |
| 引用 | 第59-61页 |
