基于Canny理论的去阴影自适应边缘检测
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 1 绪论 | 第8-15页 |
| ·边缘检测概论 | 第8-9页 |
| ·边缘检测方法的研究现状 | 第9-13页 |
| ·传统的微分算子法 | 第10页 |
| ·最优算子法 | 第10-11页 |
| ·曲面拟合法 | 第11页 |
| ·多尺度方法 | 第11-12页 |
| ·数学形态学在边缘检测中的应用 | 第12页 |
| ·基于神经网络的边缘检测方法 | 第12-13页 |
| ·工业检测中边缘检测的特点与主要工作 | 第13-14页 |
| ·论文的总体结构 | 第14-15页 |
| 2 经典边缘检测理论 | 第15-27页 |
| ·边缘检测的基础 | 第15-16页 |
| ·一阶微分算子 | 第16-19页 |
| ·Roberts 边缘检测算子 | 第16-17页 |
| ·Sobel 边缘检测算子 | 第17-18页 |
| ·Prewitt 边缘检测算子 | 第18-19页 |
| ·二阶微分算子 | 第19-23页 |
| ·Laplace 边缘检测算子 | 第19-21页 |
| ·LoG 边缘检测算子 | 第21-22页 |
| ·沈俊边缘检测算法 | 第22-23页 |
| ·传统边缘检测算法的实现 | 第23-26页 |
| ·本章小结 | 第26-27页 |
| 3 图像去阴影处理 | 第27-35页 |
| ·图像阴影 | 第27-29页 |
| ·基于直方图的去阴影方法 | 第29-33页 |
| ·工业视觉检测中的阴影 | 第29-30页 |
| ·门限处理 | 第30-32页 |
| ·经典Otsu 算法 | 第32-33页 |
| ·本文去阴影方法 | 第33页 |
| ·本章小结 | 第33-35页 |
| 4 自适应的 Canny 边缘检测算法 | 第35-50页 |
| ·传统的Canny 边缘检测 | 第35-40页 |
| ·高斯平滑滤波 | 第36-38页 |
| ·计算梯度的幅值和方向 | 第38页 |
| ·非极大值抑制 | 第38-39页 |
| ·双阈值处理和边缘连接 | 第39-40页 |
| ·传统Canny 边缘检测方法的不足 | 第40页 |
| ·自适应Canny 边缘检测 | 第40-49页 |
| ·尺度自适应高斯滤波 | 第40-45页 |
| ·改进的梯度计算方法 | 第45-46页 |
| ·自适应双阈值选择 | 第46-49页 |
| ·本章小结 | 第49-50页 |
| 5 算法的实现与分析 | 第50-61页 |
| ·算法的实现 | 第50页 |
| ·实验结果与分析 | 第50-60页 |
| ·去阴影 | 第50-51页 |
| ·图像滤波 | 第51-55页 |
| ·梯度幅值和方向的计算 | 第55-56页 |
| ·双阈值选择 | 第56-57页 |
| ·本文方法与传统方法比较 | 第57-60页 |
| ·本章小结 | 第60-61页 |
| 6 结论与展望 | 第61-63页 |
| ·总结 | 第61页 |
| ·下一步工作展望 | 第61-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 附录 | 第67页 |
| A. 作者在攻读学位期间发表的论文目录 | 第67页 |
| B. 作者在攻读学位期间取得的科研成果目录 | 第67页 |
