基于图像处理的“绿色通道”检测系统研究与实现
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 引言 | 第11-15页 |
| 1.1 选题依据 | 第11-12页 |
| 1.2 国内研究现状 | 第12-13页 |
| 1.3 研究目的与意义 | 第13-14页 |
| 1.4 论文组织结构 | 第14-15页 |
| 第2章 图像数据处理及程序架构 | 第15-24页 |
| 2.1 图像数据处理 | 第15-18页 |
| 2.1.1 图像数据流的含义 | 第15页 |
| 2.1.2 图像处理的含义 | 第15-16页 |
| 2.1.3 图像处理的技术 | 第16-18页 |
| 2.2 程序架构 | 第18-23页 |
| 2.2.1 图像处理与C | 第18-20页 |
| 2.2.2 图像处理与数据库 | 第20-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第3章 “绿色通道”检测系统构成及实现 | 第24-31页 |
| 3.1 “绿色通道”检测系统体系结构 | 第24-25页 |
| 3.2 “绿色通道”检测系统数据流 | 第25-26页 |
| 3.3 “绿色通道”检测系统的实现 | 第26-30页 |
| 3.3.1 图像数据采集子系统 | 第26-27页 |
| 3.3.2 图像数据转化子系统 | 第27-28页 |
| 3.3.3 图像预处理子系统 | 第28-29页 |
| 3.3.4 多特征图像识别子系统 | 第29-30页 |
| 3.4 本章小结 | 第30-31页 |
| 第4章 图像数据获取及图像优化 | 第31-41页 |
| 4.1 图像数据流处理流程 | 第31-32页 |
| 4.2 图像数据源的数据获取 | 第32页 |
| 4.3 图像噪声优化 | 第32-35页 |
| 4.3.1 图像噪声分析 | 第32-33页 |
| 4.3.2 背景噪声校正 | 第33-34页 |
| 4.3.3 随机噪声优化 | 第34-35页 |
| 4.4 灰度图像生成 | 第35-36页 |
| 4.4.1 扫描结果数据表示 | 第35-36页 |
| 4.4.2 灰度图像生成 | 第36页 |
| 4.5 灰度图像增强 | 第36-40页 |
| 4.5.1 直方图均衡化方法 | 第37-38页 |
| 4.5.2 直方图均衡化方法的优化 | 第38-40页 |
| 4.6 灰度图像优化 | 第40页 |
| 4.7 本章小结 | 第40-41页 |
| 第5章 图像特征提取及识别 | 第41-52页 |
| 5.1 图像特征提取 | 第41-42页 |
| 5.2 图像区域特征提取 | 第42-43页 |
| 5.3 图像边缘特征提取 | 第43-45页 |
| 5.3.1 图像边缘检测 | 第43-44页 |
| 5.3.2 图像边缘特征提取 | 第44-45页 |
| 5.4 图像检测 | 第45-47页 |
| 5.4.1 多特征融合检测 | 第45-47页 |
| 5.4.2 改进的多特征融合方法 | 第47页 |
| 5.5 “绿色通道”检测系统演示 | 第47-51页 |
| 5.6 本章小结 | 第51-52页 |
| 第6章 总结与展望 | 第52-54页 |
| 6.1 总结 | 第52页 |
| 6.2 展望 | 第52-54页 |
| 参考文献 | 第54-57页 |
| 作者简介及在学期间所取得的科研成果 | 第57-58页 |
| 致谢 | 第58页 |
