| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| ·研究背景及意义 | 第7-8页 |
| ·铁路货运检测的研究背景 | 第7-8页 |
| ·图像处理方法在铁路货运检测中的研究意义 | 第8页 |
| ·本文主要研究内容 | 第8-10页 |
| ·论文主要工作与章节安排 | 第10-11页 |
| 第二章 空域和频域图像增强算法 | 第11-22页 |
| ·空间域图像增强算法 | 第11-17页 |
| ·基本灰度变换的图像增强算法 | 第12-14页 |
| ·基于直方图的图像增强算法 | 第14-16页 |
| ·基于平滑空间滤波的图像增强算法 | 第16-17页 |
| ·频域图像增强算法 | 第17-20页 |
| ·低通滤波 | 第18-19页 |
| ·高通滤波 | 第19-20页 |
| ·同态滤波 | 第20页 |
| ·本章小结 | 第20-22页 |
| 第三章 火车货运图像平滑与增强算法 | 第22-44页 |
| ·基于Retinex 理论的图像增强算法 | 第22-35页 |
| ·色彩恒常性技术 | 第22页 |
| ·Retinex 理论简介 | 第22-23页 |
| ·Retinex 理论的发展 | 第23-24页 |
| ·基于单尺度Retinex 图像增强算法 | 第24-28页 |
| ·基于多尺度Retinex 图像增强算法 | 第28-30页 |
| ·SSR、MSR 和改进的MSR 实验结果的比较 | 第30-35页 |
| ·基于Mean shift 理论的图像增强算法研究 | 第35-42页 |
| ·Mean shift 理论简介 | 第35页 |
| ·Mean shift 算法 | 第35-37页 |
| ·Mean shift 算法用于图像平滑 | 第37-38页 |
| ·实验结果及分析 | 第38-42页 |
| ·基于Mean shift 平滑滤波的改进多尺度Retinex 算法 | 第42-44页 |
| ·算法实现 | 第42页 |
| ·实验结果及分析 | 第42-44页 |
| 第四章 火车货运图像的分割与定位 | 第44-57页 |
| ·图像分割方法分类 | 第44-45页 |
| ·图像分割算法介绍 | 第45-53页 |
| ·阈值分割法 | 第45-48页 |
| ·边缘检测法 | 第48-50页 |
| ·区域分割法 | 第50-52页 |
| ·其他分割方法 | 第52-53页 |
| ·基于最大信息熵的火车货运图像分割算法 | 第53-55页 |
| ·信息熵的理解 | 第53-54页 |
| ·最大信息熵原理 | 第54-55页 |
| ·算法的实现 | 第55页 |
| ·实验结果及分析 | 第55-57页 |
| 第五章 总结与展望 | 第57-59页 |
| ·工作总结 | 第57页 |
| ·工作展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 发表论文和参加科研情况说明 | 第63-64页 |
| 致谢 | 第64页 |