机器视觉中边缘检测算法的研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-17页 |
| ·机器视觉概述 | 第9页 |
| ·图像边缘的基本概念 | 第9-10页 |
| ·图像边缘检测的研究现状 | 第10-13页 |
| ·论文的选题意义和主要工作 | 第13-14页 |
| ·论文的内容安排 | 第14-17页 |
| 2 经典边缘检测方法 | 第17-31页 |
| ·边缘检测基本方法 | 第18-19页 |
| ·经典边缘检测算子 | 第19-26页 |
| ·差分边缘检测 | 第19页 |
| ·Roberts 算子 | 第19-20页 |
| ·Sobel 算子 | 第20-21页 |
| ·Prewitt 算子 | 第21-22页 |
| ·Kirsch 算子 | 第22-23页 |
| ·Laplace 算子 | 第23-24页 |
| ·LOG 算子 | 第24-26页 |
| ·各种经典算子边缘提取效果比较 | 第26-31页 |
| 3 Canny 边缘检测法 | 第31-39页 |
| ·Canny 准则 | 第31-33页 |
| ·传统Canny 边缘检测法 | 第33-38页 |
| ·高斯滤波 | 第35页 |
| ·计算梯度幅值和方向 | 第35-36页 |
| ·非极大抑制 | 第36-37页 |
| ·阈值化和边缘连接 | 第37-38页 |
| ·传统Canny 算子存在的缺陷 | 第38-39页 |
| 4 改进的canny 算法 | 第39-53页 |
| ·用中值滤波代替高斯滤波去噪 | 第39-47页 |
| ·线性滤波器 | 第39-41页 |
| ·非线性滤波器 | 第41-42页 |
| ·混合滤波器 | 第42-44页 |
| ·实验结果 | 第44-47页 |
| ·梯度幅值的改进算法 | 第47-48页 |
| ·非极大抑制过程的改进算法 | 第48-49页 |
| ·自适应阈值法 | 第49-52页 |
| ·梯度直方图分析 | 第50-51页 |
| ·自适应阈值的选择 | 第51页 |
| ·边缘连接 | 第51-52页 |
| ·边缘细化 | 第52-53页 |
| 5 算法实现及实验结果分析 | 第53-59页 |
| ·算法的实现 | 第53-56页 |
| ·平滑去噪 | 第53-54页 |
| ·计算梯度幅值和方向 | 第54页 |
| ·非极大抑制 | 第54页 |
| ·阈值化和边缘连接 | 第54页 |
| ·改进的Canny 算法流程图 | 第54-56页 |
| ·实验结果分析 | 第56-59页 |
| 6 总结与展望 | 第59-61页 |
| ·总结 | 第59-60页 |
| ·展望 | 第60-61页 |
| 致谢 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 个人简历、在学期间发表的学术论文及取得的研究成果 | 第67页 |
