基于K-means算法的水下图像边缘检测
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 0 前言 | 第8-10页 |
| 1 图像边缘检测概述 | 第10-18页 |
| 1.1 图像边缘检测的基本原理 | 第10-12页 |
| 1.2 图像边缘检测技术研究现状 | 第12-15页 |
| 1.3 图像边缘检测技术存在的问题 | 第15-16页 |
| 1.4 图像边缘检测技术的发展趋势 | 第16-17页 |
| 1.5 本章小结以及本文主要工作 | 第17-18页 |
| 2 水下图像暗原色增强 | 第18-34页 |
| 2.1 水下图像退化分析 | 第18-22页 |
| 2.2 暗原色先验理论 | 第22-26页 |
| 2.3 水下图像颜色恢复 | 第26-29页 |
| 2.4 水下图像暗原色增强 | 第29-33页 |
| 2.4.1 计算水下图片暗原色 | 第29-30页 |
| 2.4.2 估算水体透射率t(x) | 第30页 |
| 2.4.3 估算背景光 | 第30页 |
| 2.4.4 复原真实图像 | 第30-33页 |
| 2.5 本章小结 | 第33-34页 |
| 3 边缘检测预处理 | 第34-42页 |
| 3.1 经典的边缘检测方法 | 第34-41页 |
| 3.1.1 Sobel边缘检测算法 | 第34-36页 |
| 3.1.2 Prewitt边缘检测算法 | 第36-37页 |
| 3.1.3 Canny边缘检测算子 | 第37-41页 |
| 3.2 初始边缘检测 | 第41页 |
| 3.3 本章小结 | 第41-42页 |
| 4 基于K-means算法的水下图像边缘检测 | 第42-48页 |
| 4.1 聚类分析 | 第42-44页 |
| 4.2 K-means聚类算法分析 | 第44-46页 |
| 4.3 K-means聚类算法对边缘点分类 | 第46-47页 |
| 4.4 本章小结 | 第47-48页 |
| 5 实验 | 第48-53页 |
| 5.1 实验器材 | 第48-51页 |
| 5.2 实验结果与分析 | 第51-52页 |
| 5.3 本章小结 | 第52-53页 |
| 6 总结与展望 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58-59页 |
| 个人简历 | 第59-60页 |
| 发表的学术论文 | 第60页 |
