| 提要 | 第4-5页 |
| 摘要 | 第5-8页 |
| Abstract | 第8-11页 |
| 第1章 绪论 | 第15-23页 |
| 1.1 研究背景 | 第15-17页 |
| 1.2 研究现状 | 第17-20页 |
| 1.3 本文主要研究内容 | 第20-22页 |
| 1.4 论文组织结构 | 第22-23页 |
| 第2章 典型的阈值分割技术 | 第23-39页 |
| 2.1 基于聚类或熵的全局自适应阈值分割算法 | 第23-31页 |
| 2.1.1 最小误差阈值分割算法(Kittler 法) | 第23-24页 |
| 2.1.2 最大类间方差算法(Otsu 法) | 第24-27页 |
| 2.1.3 Renyi 熵阈值分割法 | 第27-31页 |
| 2.2 基于邻域的局部阈值分割算法 | 第31-33页 |
| 2.2.1 Niblack 邻域法 | 第32页 |
| 2.2.2 Sauvola 邻域法 | 第32-33页 |
| 2.3 Huang 方法 | 第33-36页 |
| 2.4 Water Flow 方法 | 第36-38页 |
| 2.5 本章小结 | 第38-39页 |
| 第3章 基于加权中值的三维最大 Renyi 熵的阈值分割算法 | 第39-51页 |
| 3.1 引言 | 第39-40页 |
| 3.2 三维最大Renyi 熵算法的原理 | 第40-45页 |
| 3.2.1 邻域加权中值的定义 | 第40-42页 |
| 3.2.2 三维直方图的定义 | 第42-45页 |
| 3.3 三维最大Renyi 熵阈值分割法的快速递推算法 | 第45-48页 |
| 3.4 实验结果与分析 | 第48-50页 |
| 3.5 本章小结 | 第50-51页 |
| 第4章 三维直方图重建和降维的 Otsu 阈值分割算法 | 第51-68页 |
| 4.1 引言 | 第51页 |
| 4.2 三维 Otsu 阈值分割算法 | 第51-52页 |
| 4.3 三维直方图重建和降维的 Otsu 阈值分割算法 | 第52-58页 |
| 4.3.1 三维Otsu 分割方法存在的错分与不足 | 第52-54页 |
| 4.3.2 三维直方图的重建 | 第54-56页 |
| 4.3.3 三维直方图的降维 | 第56-58页 |
| 4.4 实验结果及分析 | 第58-67页 |
| 4.5 本章小结 | 第67-68页 |
| 第5章 基于多方向灰度波动变换的自适应阈值分割算法 | 第68-94页 |
| 5.1 引言 | 第68-71页 |
| 5.2 灰度波动变换的原理 | 第71-77页 |
| 5.2.1 灰度波动变换的概念 | 第71-74页 |
| 5.2.2 灰度波动变换的定义 | 第74-75页 |
| 5.2.3 灰度波动变换对不均光照的减弱 | 第75-76页 |
| 5.2.4 利用PCA 对灰度变换矩阵进行压缩 | 第76-77页 |
| 5.3 灰度波动变换的实现 | 第77-82页 |
| 5.3.1 一维灰度波动变换步骤 | 第77-79页 |
| 5.3.2 灰度变换图像的生成 | 第79-80页 |
| 5.3.3 利用Otsu 算法分割灰度波动变换图像 | 第80-81页 |
| 5.3.4 灰度波动变换方向数量的选择 | 第81-82页 |
| 5.3.5 算法的时间复杂度分析 | 第82页 |
| 5.4 对比实验与分析 | 第82-92页 |
| 5.4.1 实验环境和测试图像库 | 第82-83页 |
| 5.4.2 分割效果测试 | 第83-88页 |
| 5.4.3 耗时测试和 ME 测试 | 第88-89页 |
| 5.4.4 对阈值α变化的测试 | 第89-92页 |
| 5.5 本章小结 | 第92-94页 |
| 第6章 工作总结与未来展望 | 第94-98页 |
| 6.1 本文工作总结 | 第94-95页 |
| 6.2 未来研究展望 | 第95-98页 |
| 参考文献 | 第98-106页 |
| 作者简介及在学期间所取得的科研成果 | 第106-108页 |
| 致谢 | 第108页 |
