类圆识别技术的研究
| 摘要 | 第1-6页 |
| Abstract | 第6-12页 |
| 1 引言 | 第12-16页 |
| ·课题来源、意义和目的 | 第12页 |
| ·数字图像模式识别 | 第12-14页 |
| ·类圆识别技术的难点 | 第14-15页 |
| ·图像预处理 | 第14页 |
| ·类圆分割 | 第14页 |
| ·类圆识别 | 第14-15页 |
| ·本课题所做的工作和论文结构 | 第15-16页 |
| 2 图像预处理 | 第16-22页 |
| ·图像文件格式转换 | 第16页 |
| ·彩色图像转换为灰度图像 | 第16-19页 |
| ·带调色板的彩色图像与真彩色图像 | 第17-18页 |
| ·灰度图像 | 第18页 |
| ·彩色图像转换成灰度图像 | 第18-19页 |
| ·图像平滑 | 第19-22页 |
| ·均值滤波 | 第19-20页 |
| ·中值滤波 | 第20页 |
| ·高斯滤波 | 第20-22页 |
| 3 图像分割 | 第22-36页 |
| ·图像分割理论 | 第22-24页 |
| ·概述 | 第22-23页 |
| ·图像分割研究的三个层次 | 第23页 |
| ·图像分割评价 | 第23-24页 |
| ·图像二值化 | 第24-28页 |
| ·最佳阈值理论 | 第25-26页 |
| ·迭代求最佳阈值法 | 第26页 |
| ·灰度加权阈值算法 | 第26-28页 |
| ·类圆分割方法 | 第28-36页 |
| ·基于边缘检测的分割方法 | 第28-31页 |
| ·基于凹点的分割方法 | 第31-32页 |
| ·基于数学形态学的分割算法 | 第32-36页 |
| 4 图像识别 | 第36-52页 |
| ·识别理论 | 第36-37页 |
| ·常用的类圆识别方法 | 第37-40页 |
| ·模板匹配法 | 第37页 |
| ·Hough变换法 | 第37-38页 |
| ·模糊识别方法 | 第38页 |
| ·聚类分析法 | 第38-39页 |
| ·神经网络方法 | 第39-40页 |
| ·基于分水岭分割的类圆识别方法 | 第40-47页 |
| ·类圆分割 | 第40-45页 |
| ·分水岭变换原理 | 第40页 |
| ·分水岭算法的数学描述 | 第40-41页 |
| ·距离变换 | 第41-42页 |
| ·分割算法描述 | 第42-44页 |
| ·分割算法步骤 | 第44-45页 |
| ·类圆识别 | 第45-47页 |
| ·原理 | 第45-46页 |
| ·算法 | 第46-47页 |
| ·基于扫描中点的类圆识别方法 | 第47-49页 |
| ·原理 | 第47-48页 |
| ·算法 | 第48-49页 |
| ·基于分水岭--扫描中点的类圆识别方法 | 第49-51页 |
| ·识别结果与原图对比 | 第51-52页 |
| 5 实验结果与分析 | 第52-67页 |
| ·实验条件 | 第52-53页 |
| ·实验结果 | 第53-64页 |
| ·结果分析 | 第64-67页 |
| 6 软件实现 | 第67-75页 |
| ·面向对象程序设计 | 第67页 |
| ·软件平台 | 第67-68页 |
| ·软件总体描述 | 第68-69页 |
| ·核心模块说明 | 第69-75页 |
| ·DIB底层API和类CDib及采集卡相关函数 | 第69-70页 |
| ·主要模块说明 | 第70-75页 |
| 结论 | 第75-77页 |
| 参考文献 | 第77-82页 |
| 在学研究成果 | 第82-83页 |
| 致谢 | 第83页 |
