| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 课题背景和研究意义 | 第8-9页 |
| 1.2 视觉测量图像处理算法的研究现状 | 第9-11页 |
| 1.3 本文的研究内容 | 第11-12页 |
| 第二章 模糊技术在图像处理中的应用 | 第12-20页 |
| 2.1 模糊数学简介 | 第12-18页 |
| 2.1.1 模糊集合 | 第12-14页 |
| 2.1.2 隶属函数 | 第14-16页 |
| 2.1.3 模糊集合的模糊性度量 | 第16-18页 |
| 2.2 模糊理论在图像处理中的应用 | 第18-19页 |
| 2.3 本章小结 | 第19-20页 |
| 第三章 图像滤波算法的研究和应用 | 第20-40页 |
| 3.1 图像噪声 | 第20-23页 |
| 3.1.1 图像噪声的来源 | 第20-21页 |
| 3.1.2 图像噪声的分类 | 第21页 |
| 3.1.3 图像噪声的模型 | 第21-23页 |
| 3.2 图像滤波的基本算法 | 第23-27页 |
| 3.2.1 均值滤波 | 第23-25页 |
| 3.2.2 中值滤波 | 第25-27页 |
| 3.3 本文中图像滤波算法 | 第27-33页 |
| 3.3.1 基于模糊技术的噪声滤除算法 | 第27页 |
| 3.3.2 算法结构 | 第27-30页 |
| 3.3.3 混合噪声的滤除算法 | 第30-33页 |
| 3.4 图像滤波的实验与分析 | 第33-39页 |
| 3.4.1 图像质量评价方法 | 第33-34页 |
| 3.4.2 实验结果 | 第34-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第四章 图像分割最佳阈值的选择 | 第40-54页 |
| 4.1 图像的阈值分割技术 | 第40-41页 |
| 4.2 几种图像阈值分割方法 | 第41-47页 |
| 4.2.1 基本全局阈值法 | 第41-43页 |
| 4.2.2 Otsu 阈值选择法 | 第43-46页 |
| 4.2.3 最大熵原则法 | 第46-47页 |
| 4.3 本文中阈值分割算法 | 第47-51页 |
| 4.3.1 模糊理论的阈值选择技术 | 第47-48页 |
| 4.3.2 IVFS 模糊指数最大原则在图像阈值分割中的应用 | 第48-51页 |
| 4.4 实验结果 | 第51-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第五章 边缘检测在视觉测量中的应用 | 第54-68页 |
| 5.1 边缘检测的基础 | 第54-57页 |
| 5.1.1 边缘的分类 | 第54-55页 |
| 5.1.2 边缘像素的梯度 | 第55-57页 |
| 5.2 常用边缘检测算法 | 第57-60页 |
| 5.2.1 一阶微分边缘检测算子 | 第57-58页 |
| 5.2.2 二阶微分边缘检测算子 | 第58-59页 |
| 5.2.3 Canny 算子 | 第59-60页 |
| 5.3 本文中边缘检测算法 | 第60-62页 |
| 5.3.1 数学形态学基础 | 第60-61页 |
| 5.3.2 数学形态学算法在边缘检测中的应用 | 第61-62页 |
| 5.4 实验结果 | 第62-67页 |
| 5.5 本章小结 | 第67-68页 |
| 第六章 总结和展望 | 第68-70页 |
| 6.1 工作总结 | 第68页 |
| 6.2 工作展望 | 第68-70页 |
| 参考文献 | 第70-73页 |
| 发表论文和参加科研情况说明 | 第73-74页 |
| 致谢 | 第74页 |