| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-12页 |
| 1 绪论 | 第12-28页 |
| ·研究背景 | 第12-13页 |
| ·图像分割及其意义 | 第13-15页 |
| ·图像分割及其意义 | 第13-15页 |
| ·古籍图像处理及文字分割的意义 | 第15页 |
| ·图像分割的一般模型 | 第15-17页 |
| ·图像分割方法研究的现状 | 第17-21页 |
| ·基于区域的图像分割算法 | 第18-19页 |
| ·基于边缘的图像分割算法 | 第19-21页 |
| ·图像分割方法研究的发展 | 第21-23页 |
| ·古籍手写汉字图像的分割 | 第21-22页 |
| ·彩色图像的分割 | 第22-23页 |
| ·论文的主要工作 | 第23-25页 |
| ·论文的结构安排 | 第25-28页 |
| 2 传统方法在古籍手写汉字图像分割中的应用研究 | 第28-50页 |
| ·引言 | 第28-29页 |
| ·图像分割的理论与方法的研究 | 第29-30页 |
| ·简单图像基于像素灰度的全局门限法 | 第30-34页 |
| ·简单直方图分析法 | 第31页 |
| ·直方图凹形分析法 | 第31-32页 |
| ·类别方差自动门限法 | 第32-33页 |
| ·矩不变自动门限法 | 第33-34页 |
| ·简单图像基于像素邻域属性的全局门限法 | 第34-40页 |
| ·基于边缘特性的方法 | 第35-36页 |
| ·基于二阶灰度统计特性的方法 | 第36-38页 |
| ·利用两个“累积测量”选门限 | 第38页 |
| ·松弛迭代方法 | 第38-40页 |
| ·全局门限化直方图分割方法的评估 | 第40-43页 |
| ·复杂图像基于图像属性的分割方法 | 第43-46页 |
| ·自动多门限分割技术 | 第43-45页 |
| ·循环分解法 | 第45页 |
| ·分块分割再合并方法 | 第45-46页 |
| ·彩色图像分割 | 第46-47页 |
| ·传统方法在古籍手写汉字图像分割中的局限性 | 第47-48页 |
| ·本章小结 | 第48-50页 |
| 3 基于二次类间方差阈值法的手写汉字图像分割方法研究 | 第50-64页 |
| ·引言 | 第50页 |
| ·传统阈值分割方法 | 第50-58页 |
| ·简单灰度直方图阈值分割 | 第50-54页 |
| ·最小误差阈值分割 | 第54-55页 |
| ·最大熵值分割 | 第55-57页 |
| ·类间方差阈值分割 | 第57-58页 |
| ·局部类间方差阈值分割算法 | 第58-60页 |
| ·全局OTSU 算法效果及缺点 | 第58-59页 |
| ·局部OTSU 算法原理 | 第59页 |
| ·局部OTSU 算法结果及分析 | 第59-60页 |
| ·整体与局部相结合的二次OTSU 算法 | 第60-62页 |
| ·算法原理 | 第60-61页 |
| ·实验结果 | 第61-62页 |
| ·本章小结 | 第62-64页 |
| 4 基于快速非递归连通域算法的手写汉字图像分割 | 第64-80页 |
| ·引言 | 第64页 |
| ·连通域算法基本原理 | 第64-67页 |
| ·快速非递归连通域生成及合并算法研究 | 第67-73页 |
| ·数据结构设计 | 第67-68页 |
| ·非递归连通域生成及合并算法 | 第68-70页 |
| ·非递归连通域算法分析及实验结果 | 第70-73页 |
| ·快速非递归连通域算法的应用 | 第73-78页 |
| ·基于连通域特征的去噪去边框算法 | 第73-76页 |
| ·基于连通域的单字切分 | 第76-77页 |
| ·基于方块字特征及局部投影法的粘连字切分 | 第77-78页 |
| ·实验结果及分析 | 第78页 |
| ·本章小结 | 第78-80页 |
| 5 基于偏微分方程的目标轮廓提取理论与方法 | 第80-106页 |
| ·引言 | 第80页 |
| ·目标轮廓提取方法分类 | 第80-81页 |
| ·基于偏微分方程的目标轮廓提取理论与方法 | 第81-91页 |
| ·基本概念 | 第81-82页 |
| ·主动轮廓模型 | 第82-83页 |
| ·梯度向量场可变形模型 | 第83-85页 |
| ·目标轮廓能量全局最小主动轮廓模型 | 第85-86页 |
| ·拓扑自适应主动轮廓模型 | 第86-87页 |
| ·水平集图像分割方法 | 第87-88页 |
| ·参数主动轮廓模型与几何主动轮廓模型之间的关系 | 第88-91页 |
| ·基于最小作用曲面及图像二分法的封闭轮廓提取方法 | 第91-96页 |
| ·基于最小作用曲面的封闭轮廓提取方法 | 第92-93页 |
| ·基于最小作用曲面及图像二分法的封闭轮廓提取法 | 第93-96页 |
| ·水平集方法 | 第96-101页 |
| ·水平集方法的数值实现 | 第99-101页 |
| ·水平集方法应用于图像分割 | 第101页 |
| ·窄带水平集方法 | 第101-105页 |
| ·窄带水平集算法 | 第101-102页 |
| ·M-S 分割模型 | 第102-103页 |
| ·基于窄带M-S 模型的图像分割 | 第103页 |
| ·基于窄带M-S 模型的手写汉字图像分割方法 | 第103-105页 |
| ·本章小结 | 第105-106页 |
| 6 基于 C-V 模型的快速图像分割算法研究 | 第106-120页 |
| ·引言 | 第106页 |
| ·C-V 分割模型 | 第106-108页 |
| ·局部C-V 主动轮廓模型快速图像分割算法 | 第108-111页 |
| ·局部C-V 主动轮廓模型快速图像分割算法 | 第108-109页 |
| ·局部C-V 主动轮廓模型手写汉字图像分割算法 | 第109页 |
| ·实验结果及分析 | 第109-111页 |
| ·基于窄带C-V 模型的手写汉字图像分割方法 | 第111-113页 |
| ·窄带快速C-V 手写汉字图像分割方法 | 第111-112页 |
| ·实验结果及分析 | 第112-113页 |
| ·基于二次OTSU 算法、快速连通域法及窄带C-V 算法结合的手写汉字图像处理 | 第113-118页 |
| ·手写汉字图像处理算法分析 | 第113-115页 |
| ·实验结果及分析 | 第115-118页 |
| ·本章小结 | 第118-120页 |
| 7 结论与展望 | 第120-122页 |
| ·主要创新点与结论 | 第120-121页 |
| ·工作展望 | 第121-122页 |
| 致谢 | 第122-124页 |
| 参考文献 | 第124-134页 |
| 附录 | 第134页 |
| A. 作者在攻读学位期间发表的论文 | 第134页 |
| B. 作者在攻读学位期间参加的科研项目 | 第134页 |