面向上芯机视觉系统的图像分割算法研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-16页 |
| ·上芯机简介 | 第10-12页 |
| ·定义 | 第10页 |
| ·工作流程 | 第10-11页 |
| ·发展状况 | 第11-12页 |
| ·上芯机视觉系统 | 第12-13页 |
| ·机器视觉 | 第12-13页 |
| ·上芯机视觉系统 | 第13页 |
| ·数字图像处理技术 | 第13-14页 |
| ·课题的提出和内容 | 第14-15页 |
| ·章节安排 | 第15-16页 |
| 第二章 图像分割技术 | 第16-26页 |
| ·图象分割概述 | 第16页 |
| ·图象分割定义 | 第16-17页 |
| ·图像分割方法的综述 | 第17-24页 |
| ·基于阈值的图像分割方法 | 第17-20页 |
| ·基于边缘检测的图像分割方法 | 第20-21页 |
| ·基于区域的图像分割方法 | 第21-22页 |
| ·利用特定工具的图像分割方法 | 第22-24页 |
| ·本章小结 | 第24-26页 |
| 第三章 问题提出 | 第26-32页 |
| ·分割难点 | 第26页 |
| ·传统分割算法的应用 | 第26-31页 |
| ·全局阈值分割 | 第27-29页 |
| ·自适应阈值分割 | 第29-30页 |
| ·实验结果分析 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第四章 基于BP 神经网络的图像分割方法研究 | 第32-47页 |
| ·人工神经网络概述 | 第32-38页 |
| ·神经元模型提出 | 第32-33页 |
| ·人工神经网络(A.N.N.) | 第33-34页 |
| ·几种典型的神经网络 | 第34-35页 |
| ·人工神经网络在图像处理中的应用 | 第35-38页 |
| ·BP 神经网络 | 第38-42页 |
| ·BP 神经网络模型 | 第38-39页 |
| ·BP 网络算法实现 | 第39-41页 |
| ·BP 网络的改进算法 | 第41-42页 |
| ·BP 算法用于图像分割 | 第42-45页 |
| ·BP 神经网络设计 | 第42-43页 |
| ·BP 神经网络分割算法 | 第43-45页 |
| ·实验结果分析 | 第45页 |
| ·本章小结 | 第45-47页 |
| 第五章 光学退化模型在图像分割算法中的应用 | 第47-59页 |
| ·光学退化模型 | 第47-49页 |
| ·理想光学退化模型 | 第47-48页 |
| ·一般光学退化模型 | 第48-49页 |
| ·退化模型逼近 | 第49-51页 |
| ·最小二乘法 | 第49-50页 |
| ·模型逼近 | 第50-51页 |
| ·基于光学退化模型的图像分割算法 | 第51-53页 |
| ·算法实现 | 第51页 |
| ·实验结果 | 第51-53页 |
| ·验证实验设计 | 第53-58页 |
| ·模板匹配算法 | 第53-55页 |
| ·算法性能验证实验 | 第55-56页 |
| ·算法有效性验证实验 | 第56-58页 |
| ·本章小结 | 第58-59页 |
| 结论 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 攻读硕士学位期间取得的研究成果 | 第65-66页 |
| 致谢 | 第66页 |
