| 摘要 | 第8-10页 |
| ABSTRACT | 第10页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 图像处理技术的发展及应用 | 第12-15页 |
| 1.1.1 图像处理技术的发展 | 第12-13页 |
| 1.1.2 图像的分类 | 第13页 |
| 1.1.3 数字图像处理应用 | 第13-14页 |
| 1.1.4 图像处理基本原理 | 第14-15页 |
| 1.2 本文课题研究背景 | 第15-16页 |
| 1.3 主要研究内容 | 第16-18页 |
| 第二章 图像处理算法(文献综述) | 第18-50页 |
| 2.1 图像预处理 | 第18-27页 |
| 2.1.1 图像去噪 | 第18-22页 |
| 2.1.1.1 线性平滑滤波器 | 第19页 |
| 2.1.1.2 中值滤波 | 第19-20页 |
| 2.1.1.3 自适应中值滤波 | 第20-21页 |
| 2.1.1.4 模糊自适应滤波 | 第21页 |
| 2.1.1.5 基于小波变换的去噪方法 | 第21-22页 |
| 2.1.2 图像增强 | 第22-27页 |
| 2.1.2.1 灰度均衡 | 第22-24页 |
| 2.1.2.2 基于遗传算法的图像增强 | 第24-26页 |
| 2.1.2.3 基于基因自适应免疫算法的图像增强 | 第26页 |
| 2.1.2.4 基于变换域的图像增强 | 第26-27页 |
| 2.2 图像分割 | 第27-47页 |
| 2.2.1 灰度图像的分割 | 第28-34页 |
| 2.2.1.1 基于边界查找的边缘算子法 | 第28页 |
| 2.2.1.2 基于阈值的灰度图分割方法 | 第28-29页 |
| 2.2.1.3 基于最大熵的图像分割法 | 第29-31页 |
| 2.2.1.4 基于区域生长、分裂及合并的灰度图像分割法 | 第31-33页 |
| 2.2.1.5 其他分割方法 | 第33-34页 |
| 2.2.2 纹理图像分割 | 第34-44页 |
| 2.2.2.1 基于统计法的纹理图像分割 | 第34-36页 |
| 2.2.2.2 基于结构法的纹理图像分割 | 第36-37页 |
| 2.2.2.3 基于分形的纹理图像分割 | 第37-38页 |
| 2.2.2.4 基于神经网络的纹理分割 | 第38-40页 |
| 2.2.2.5 基于Gabor滤波器的纹理图像分割 | 第40-41页 |
| 2.2.2.6 基于小波理论的纹理图像分割 | 第41-42页 |
| 2.2.2.7 基于随机域模型的纹理图像分割 | 第42-44页 |
| 2.2.3 图像分割评价 | 第44-47页 |
| 2.2.3.1 分析法 | 第45页 |
| 2.2.3.2 优度实验法 | 第45-46页 |
| 2.2.3.3 差异实验法 | 第46-47页 |
| 2.3 图像后处理 | 第47-49页 |
| 2.3.1 基于边缘分割算法的图像后处理 | 第48页 |
| 2.3.2 基于区域分割算法的图像后处理 | 第48-49页 |
| 2.4 小结 | 第49-50页 |
| 第三章 图像检测应用研究 | 第50-56页 |
| 3.1 图像检测概述 | 第50-52页 |
| 3.2 皮革缺陷检测和排样切割系统组成框架 | 第52-54页 |
| 3.3 小结 | 第54-56页 |
| 第四章 基于模式识别的皮革正反面自动分类 | 第56-70页 |
| 4.1 模式识别概述 | 第56-59页 |
| 4.2 基于贝叶斯决策理论的分类方法 | 第59页 |
| 4.3 基于Fisher准则的线性分类器在皮革正反面分类中的应用 | 第59-65页 |
| 4.3.1 基于共生矩阵的纹理特征提取 | 第60-62页 |
| 4.3.2 Fisher判别准则 | 第62-65页 |
| 4.3.3 实验结果及分析 | 第65页 |
| 4.4 神经网络在皮革正反面分类中的应用 | 第65-69页 |
| 4.4.1 神经网络概述 | 第65-66页 |
| 4.4.2 BP神经网络 | 第66-68页 |
| 4.4.3 基于BP网络的皮革正反面分类 | 第68-69页 |
| 4.5 小结 | 第69-70页 |
| 第五章 基于小波包分解的皮革图像去噪 | 第70-84页 |
| 5.1 图像去噪概述 | 第70-72页 |
| 5.2 小波变换理论及其去噪原理 | 第72-79页 |
| 5.2.1 小波变换理论 | 第72-75页 |
| 5.2.2 二维图像小波变换 | 第75-76页 |
| 5.2.3 小波去噪原理 | 第76-79页 |
| 5.2.3.1 信号的奇异性 | 第76页 |
| 5.2.3.2 基于小波变换的去噪方法 | 第76-78页 |
| 5.2.3.3 基于小波变换的皮革图像去噪 | 第78-79页 |
| 5.3 基于小波包分解的纹理图像去噪 | 第79-83页 |
| 5.3.1 小波包分解理论 | 第79-81页 |
| 5.3.2 小波包最优基选择 | 第81页 |
| 5.3.3 小波包去噪方法 | 第81-82页 |
| 5.3.4 基于小波包分解的皮革图像去噪实验及结果分析 | 第82-83页 |
| 5.4 小结 | 第83-84页 |
| 第六章 基于小波变换的纹理图像融合 | 第84-96页 |
| 6.1 图像融合概述 | 第84-85页 |
| 6.2 图像融合算法发展 | 第85-86页 |
| 6.3 小波变换及其在图像融合中的应用 | 第86-88页 |
| 6.3.1 小波变换理论 | 第86-87页 |
| 6.3.2 小波变换在图像融合中的应用 | 第87-88页 |
| 6.4 图像配准 | 第88-90页 |
| 6.4.1 图像配准方法分类 | 第88-89页 |
| 6.4.2 几何变换参数估计 | 第89-90页 |
| 6.5 图像融合效果评价 | 第90-91页 |
| 6.6 基于小波变换的皮革图像融合 | 第91-95页 |
| 6.6.1 皮革图像融合规则及算法 | 第91-93页 |
| 6.6.2 皮革图像融合实验 | 第93-94页 |
| 6.6.3 皮革图像融合效果评价 | 第94-95页 |
| 6.7 小结 | 第95-96页 |
| 第七章 基于模糊聚类的皮革缺陷检测 | 第96-110页 |
| 7.1 皮革缺陷检测概述 | 第96-97页 |
| 7.2 纹理图像分割 | 第97-103页 |
| 7.2.1 纹理图像特征提取 | 第98-99页 |
| 7.2.2 纹理图像分割方法 | 第99-101页 |
| 7.2.3 图像分割后处理 | 第101-103页 |
| 7.3 皮革图像缺陷检测算法 | 第103-107页 |
| 7.3.1 基于共生矩阵的皮革图像特征提取 | 第103-105页 |
| 7.3.2 基于改进模糊C-均值聚类(FCM)算法的皮革缺陷检测 | 第105-106页 |
| 7.3.3 聚类区域数的自适应确定 | 第106页 |
| 7.3.4 缺陷检测算法 | 第106-107页 |
| 7.4 皮革图像缺陷检测实验及分析 | 第107-109页 |
| 7.5 小结 | 第109-110页 |
| 第八章 总结与展望 | 第110-114页 |
| 8.1 论文工作总结 | 第110-111页 |
| 8.2 发展与展望 | 第111-114页 |
| 参考文献 | 第114-122页 |
| 攻读博士学位期间的工作业绩 | 第122-123页 |
| 作者简介 | 第123-124页 |
| 致谢 | 第124页 |
