基于非下采样Contourlet变换的图像多尺度边缘检测相关技术研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第11-20页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-17页 |
| 1.2.1 传统的边缘检测方法 | 第13-14页 |
| 1.2.2 基于数学形态学的边缘检测方法 | 第14页 |
| 1.2.3 基于模糊理论的边缘检测方法 | 第14-15页 |
| 1.2.4 基于神经网络的边缘检测方法 | 第15页 |
| 1.2.5 基于分形理论的边缘检测方法 | 第15-16页 |
| 1.2.6 基于多尺度几何分析的边缘检测方法 | 第16-17页 |
| 1.3 论文主要工作及创新点 | 第17-18页 |
| 1.4 论文结构安排 | 第18-20页 |
| 2 预备知识 | 第20-31页 |
| 2.1 边缘检测的基础理论 | 第20-23页 |
| 2.1.1 边缘检测的基本概念 | 第20-21页 |
| 2.1.2 边缘检测的一般步骤 | 第21-22页 |
| 2.1.3 边缘检测的性能评价 | 第22-23页 |
| 2.2 Contourlet变换 | 第23-26页 |
| 2.2.1 金字塔滤波器组 | 第23-24页 |
| 2.2.2 方向滤波器组 | 第24-25页 |
| 2.2.3 Contourlet变换 | 第25-26页 |
| 2.3 非下采样Contourlet变换 | 第26-30页 |
| 2.3.1 非下采样金字塔滤波器组 | 第26-28页 |
| 2.3.2 非下采样方向滤波器组 | 第28-29页 |
| 2.3.3 非下采样Contourlet变换 | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 3 基于k-means聚类的像素点分类 | 第31-39页 |
| 3.1 k-means聚类算法 | 第31-33页 |
| 3.2 像素点分类算法描述 | 第33-36页 |
| 3.3 仿真结果及分析 | 第36-38页 |
| 3.4 本章小结 | 第38-39页 |
| 4 基于非最大值抑制的边缘细化 | 第39-44页 |
| 4.1 非最大值抑制算法 | 第39-41页 |
| 4.2 边缘细化算法描述 | 第41-42页 |
| 4.3 仿真结果及分析 | 第42-43页 |
| 4.4 本章小结 | 第43-44页 |
| 5 基于多尺度边缘跟踪的边缘信息融合 | 第44-50页 |
| 5.1 多尺度边缘检测概述 | 第44-46页 |
| 5.1.1 高斯滤波法 | 第44-45页 |
| 5.1.2 小波变换法 | 第45页 |
| 5.1.3 多尺度几何分析法 | 第45-46页 |
| 5.2 多尺度边缘跟踪算法描述 | 第46-48页 |
| 5.3 仿真结果及分析 | 第48页 |
| 5.4 本章小结 | 第48-50页 |
| 6 基于NSCT的图像多尺度边缘检测算法 | 第50-60页 |
| 6.1 Canny边缘检测算子 | 第50-52页 |
| 6.2 多尺度边缘检测算法描述 | 第52-53页 |
| 6.3 NSCT的尺度方向分解讨论 | 第53页 |
| 6.4 仿真结果及分析 | 第53-58页 |
| 6.4.1 主观评价 | 第54-57页 |
| 6.4.2 客观评价 | 第57-58页 |
| 6.5 本章小结 | 第58-60页 |
| 7 总结与展望 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第65-66页 |
| 致谢 | 第66页 |
