摘要 | 第5-6页 |
Abstract | 第6页 |
第1章 绪论 | 第10-16页 |
1.1 课题研究背景 | 第10页 |
1.2 课题研究意义 | 第10-12页 |
1.3 国内外研究现状 | 第12-14页 |
1.3.1 阈值分割及其分类 | 第12-13页 |
1.3.2 阈值分割的国内外研究现状 | 第13-14页 |
1.4 本文研究内容 | 第14-15页 |
1.5 本文组织结构 | 第15-16页 |
第2章 图像分割算法综述 | 第16-23页 |
2.1 图像分割的定义 | 第16-17页 |
2.2 图像分割算法概述 | 第17-22页 |
2.2.1 基于边缘的图像分割算法 | 第17-19页 |
2.2.2 基于区域的图像分割算法 | 第19-20页 |
2.2.3 基于统计模式分类的图像分割算法 | 第20-21页 |
2.2.4 与特定理论结合的图像分割算法 | 第21-22页 |
2.3 本章小结 | 第22-23页 |
第3章 基于模糊理论的阈值分割算法 | 第23-37页 |
3.1 模糊集合基础理论与应用 | 第23-28页 |
3.1.1 模糊集合的定义 | 第23-24页 |
3.1.2 模糊集合的运算 | 第24-25页 |
3.1.3 模糊相似性度量 | 第25-26页 |
3.1.4 模糊理论在图像处理中的应用 | 第26-28页 |
3.2 FDM经典阈值分割算法举例 | 第28-30页 |
3.2.1 隶属度函数设计 | 第28-29页 |
3.2.2 模糊集合距离度量及最优阈值选取 | 第29-30页 |
3.3 基于模糊理论的阈值分割算法 | 第30-33页 |
3.3.1 获取梯度图像 | 第30-31页 |
3.3.2 Otsu算法预分割 | 第31页 |
3.3.3 图像模糊集隶属函数的设计 | 第31-32页 |
3.3.4 模糊相似性的度量 | 第32-33页 |
3.3.5 图像最优阈值的计算 | 第33页 |
3.4 算法描述与分析 | 第33-36页 |
3.4.1 本算法结构模块描述 | 第33-34页 |
3.4.2 算法流程描述 | 第34-36页 |
3.4.3 算法分析 | 第36页 |
3.5 本章小结 | 第36-37页 |
第4章 基于余弦定理的红外线图像阈值分割算法 | 第37-48页 |
4.1 引言 | 第37页 |
4.2 红外技术概述 | 第37-38页 |
4.3 经典阈值分割算法分析 | 第38-41页 |
4.4 算法预处理操作 | 第41页 |
4.5 隶属度函数的分析与设计 | 第41-42页 |
4.5.1 FDM算法隶属度函数的分析 | 第41页 |
4.5.2 neighbourspace算法隶属度函数的分析 | 第41-42页 |
4.5.3 新算法隶属度函数的设计 | 第42页 |
4.6 分割准则的分析与设计 | 第42-45页 |
4.6.1 FDM算法分割准则的分析 | 第42-43页 |
4.6.2 Otsu算法分割准则的分析 | 第43页 |
4.6.3 neighbourspace算法分割准则的分析 | 第43-44页 |
4.6.4 新算法的分割准则的分析与设计 | 第44-45页 |
4.7 最优值的获取 | 第45页 |
4.8 算法流程描述 | 第45-47页 |
4.9 算法分析 | 第47页 |
4.10 本章小结 | 第47-48页 |
第5章 实验与展望 | 第48-59页 |
5.1 图像分割算法评价的意义 | 第48页 |
5.2 图像阈值分割算法定量评价方法 | 第48-50页 |
5.3 实验环境配置与工具介绍 | 第50-51页 |
5.3.1 Matlab简介 | 第50页 |
5.3.2 OpenCV简介 | 第50-51页 |
5.4 模糊阈值分割算法实验结果与分析 | 第51-56页 |
5.4.1 基于模糊理论的阈值分割算法实验结果与分析 | 第51-54页 |
5.4.2 基于余弦定理的红外线图像分割算法实验结果与分析 | 第54-56页 |
5.5 阈值分割算法展望 | 第56-57页 |
5.5.1 多种经典算法相结合 | 第56-57页 |
5.5.2 人工智能、模糊数学等多理论结合 | 第57页 |
5.5.3 手动交替分割方法的产生 | 第57页 |
5.5.4 与专业知识相结合 | 第57页 |
5.6 本章小结 | 第57-59页 |
结论 | 第59-60页 |
参考文献 | 第60-64页 |
攻读硕士学位期间承担的科研任务与主要成果 | 第64-65页 |
致谢 | 第65页 |