多尺度形态学及自适应阈值标记的分水岭分割算法研究
| 致谢 | 第5-7页 |
| 摘要 | 第7-8页 |
| Abstract | 第8页 |
| 1 绪论 | 第11-17页 |
| 1.1 课题研究背景及意义 | 第11-12页 |
| 1.1.1 图像分割描述与研究的意义 | 第11-12页 |
| 1.1.2 彩色图像分割重要性 | 第12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 图像分割技术的发展现状 | 第12-14页 |
| 1.2.2 分水岭图像分割研究现状 | 第14-15页 |
| 1.3 本文的主要工作及结构安排 | 第15-17页 |
| 2 形态学及分水岭相关理论 | 第17-30页 |
| 2.1 数学形态学 | 第17-26页 |
| 2.1.1 数学形态学与结构元素 | 第17-19页 |
| 2.1.2 二值形态学 | 第19-24页 |
| 2.1.3 灰度形态学 | 第24-26页 |
| 2.2 分水岭概述 | 第26-29页 |
| 2.2.1 分水岭算法起源与原理 | 第26-27页 |
| 2.2.2 分水岭算法的数学定义 | 第27-29页 |
| 2.2.3 分水岭过分割问题 | 第29页 |
| 2.3 本章小结 | 第29-30页 |
| 3 多尺度形态学及自适应阈值标记的分水岭分割算法 | 第30-47页 |
| 3.1 新算法概述与原理 | 第30-32页 |
| 3.2 多尺度形态学彩色梯度 | 第32-36页 |
| 3.2.1 多尺度形态学图像处理分析 | 第32-34页 |
| 3.2.2 本文形态学多尺度彩色梯度 | 第34-36页 |
| 3.3 图像低频成分提取 | 第36-38页 |
| 3.4 形态学梯度重建 | 第38-39页 |
| 3.5 自适应阈值标记的分水岭分割 | 第39-46页 |
| 3.5.1 H-minima与扩展极小值变换 | 第39-41页 |
| 3.5.2 最大熵自适应阈值处理 | 第41-45页 |
| 3.5.3 强制极值标记与分水岭分割 | 第45-46页 |
| 3.6 本章小结 | 第46-47页 |
| 4 实验过程及结果分析 | 第47-62页 |
| 4.1 实验环境平台 | 第47页 |
| 4.2 算法实现过程 | 第47-51页 |
| 4.3 算法评价与分析 | 第51-61页 |
| 4.3.1 图像分割评价方法 | 第51-52页 |
| 4.3.2 数据集与评价指标 | 第52-53页 |
| 4.3.3 定性实验分析 | 第53-56页 |
| 4.3.4 定量实验分析 | 第56-61页 |
| 4.4 本章小结 | 第61-62页 |
| 结论 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 作者简历 | 第67-69页 |
| 学位论文数据集 | 第69-70页 |
