基于计算机视觉的粘连类圆图像分割与统计算法研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究背景与意义 | 第9-11页 |
| 1.2 国内外的研究现状及其发展趋势 | 第11-14页 |
| 1.2.1 阈值分割法 | 第12页 |
| 1.2.2 边缘检测法 | 第12-13页 |
| 1.2.3 形态学模型法 | 第13页 |
| 1.2.4 凹点分析法 | 第13页 |
| 1.2.5 数学形态学法 | 第13-14页 |
| 1.3 本文研究工作及内容组织 | 第14-17页 |
| 1.3.1 本文研究内容 | 第14-15页 |
| 1.3.2 论文内容组织 | 第15-17页 |
| 第2章 类圆图像分析与处理基础 | 第17-29页 |
| 2.1 基本概念 | 第17-22页 |
| 2.1.1 图像基本概念 | 第17-19页 |
| 2.1.2 像素间的一些基本关系 | 第19-20页 |
| 2.1.3 距离度量 | 第20-22页 |
| 2.2 图像预处理 | 第22-27页 |
| 2.2.1 彩色图像灰度化 | 第22-23页 |
| 2.2.2 图像二值化 | 第23-24页 |
| 2.2.3 图像平滑 | 第24-26页 |
| 2.2.4 形态学滤波 | 第26-27页 |
| 2.3 本章小结 | 第27-29页 |
| 第3章 类圆图像分割算法研究 | 第29-43页 |
| 3.1 阈值分割法 | 第30-31页 |
| 3.1.1 全局阈值分割法 | 第30-31页 |
| 3.1.2 局部阈值分割法 | 第31页 |
| 3.1.3 自适应阈值分割法 | 第31页 |
| 3.2 基于边缘检测的分割方法 | 第31-36页 |
| 3.2.1 一阶微分算子 | 第32-33页 |
| 3.2.2 二阶微分算子 | 第33-36页 |
| 3.3 基于区域的分割方法 | 第36-37页 |
| 3.3.1 区域生长算法 | 第36页 |
| 3.3.2 区域分裂与合并算法 | 第36-37页 |
| 3.4 基于数学形态学的分割方法 | 第37-41页 |
| 3.4.1 腐蚀膨胀分割法 | 第37-38页 |
| 3.4.2 分水岭分割法 | 第38-41页 |
| 3.5 本章小结 | 第41-43页 |
| 第4章 基于距离图像重建的分水岭分割算法 | 第43-52页 |
| 4.1 算法设计思路 | 第43-44页 |
| 4.2 算法描述 | 第44-49页 |
| 4.2.1 彩色图像灰度化 | 第44页 |
| 4.2.2 高/低帽变换 | 第44-45页 |
| 4.2.3 形态学滤波 | 第45-46页 |
| 4.2.4 距离变换 | 第46页 |
| 4.2.5 距离图重构 | 第46-48页 |
| 4.2.6 分水岭分割 | 第48-49页 |
| 4.3 算法结果与分析 | 第49-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第5章 结合分水岭与自适应区域合并的图像分割算法 | 第52-66页 |
| 5.1 算法设计思路 | 第52-53页 |
| 5.2 算法描述 | 第53-63页 |
| 5.2.1 预处理 | 第53页 |
| 5.2.2 目标提取 | 第53-57页 |
| 5.2.3 形态学滤波 | 第57页 |
| 5.2.4 预分割 | 第57-58页 |
| 5.2.5 自适应区域合并 | 第58-63页 |
| 5.3 算法结果与分析 | 第63-65页 |
| 5.4 本章小结 | 第65-66页 |
| 第6章 统计算法研究与系统实现 | 第66-78页 |
| 6.1 标记计数算法 | 第66-67页 |
| 6.2 特征提取与统计算法 | 第67-70页 |
| 6.2.1 形态特征统计 | 第67-69页 |
| 6.2.2 纹理特征统计 | 第69-70页 |
| 6.3 统计与分析系统实现 | 第70-77页 |
| 6.3.1 图像采集 | 第70-72页 |
| 6.3.2 图像处理与分析系统软件实现 | 第72-73页 |
| 6.3.3 系统运行示例 | 第73-77页 |
| 6.4 本章小结 | 第77-78页 |
| 第7章 结论与展望 | 第78-80页 |
| 7.1 结论 | 第78-79页 |
| 7.2 展望 | 第79-80页 |
| 致谢 | 第80-81页 |
| 参考文献 | 第81-85页 |
| 攻读学位期间的研究成果 | 第85页 |
