| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 图表目录 | 第9-11页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 引言 | 第11页 |
| 1.2 铁谱分析技术 | 第11-15页 |
| 1.2.1 铁谱分析技术原理及特点 | 第11-12页 |
| 1.2.2 铁谱图像分析技术的发展 | 第12-13页 |
| 1.2.3 铁谱图像分析技术研究现状 | 第13-14页 |
| 1.2.4 铁谱图像分析技术的研究意义 | 第14-15页 |
| 1.3 铁谱图像分割存在的问题 | 第15-16页 |
| 1.4 本文的研究内容及结构框架 | 第16-17页 |
| 1.4.1 本文的研究内容 | 第16页 |
| 1.4.2 本文的结构框架 | 第16-17页 |
| 第二章 铁谱图像处理技术简介 | 第17-30页 |
| 2.1 颜色空间简介 | 第17-19页 |
| 2.1.1 颜色的定义 | 第17页 |
| 2.1.2 RGB 颜色空间 | 第17-18页 |
| 2.1.3 CIE L * a * b *颜色空间 | 第18-19页 |
| 2.2 图像预处理技术 | 第19-21页 |
| 2.2.1 幂次变换 | 第19-20页 |
| 2.2.2 空间滤波 | 第20-21页 |
| 2.3 图像边缘检测法 | 第21-22页 |
| 2.3.1 Roberts 边缘检测算子 | 第21页 |
| 2.3.2 Sobel 边缘检测算子 | 第21-22页 |
| 2.3.3 Canny 边缘检测算子 | 第22页 |
| 2.4 阈值分割法 | 第22-24页 |
| 2.4.1 阈值分割法简介 | 第22-23页 |
| 2.4.2 大津阈值法简介 | 第23-24页 |
| 2.5 数学形态学分割算法 | 第24-27页 |
| 2.5.1 数学形态学简介 | 第24页 |
| 2.5.2 数学形态学的基本运算 | 第24-27页 |
| 2.6 聚类算法简介 | 第27-29页 |
| 2.6.1 聚类的概念和过程 | 第27页 |
| 2.6.2 灰色聚类在图像处理中的应用 | 第27-29页 |
| 2.7 本章小结 | 第29-30页 |
| 第三章 基于大津阈值和分水岭算法的铁谱图像分割 | 第30-40页 |
| 3.1 大津阈值与分水岭算法的原理 | 第30-32页 |
| 3.1.1 大津阈值算法原理 | 第30-31页 |
| 3.1.2 分水岭算法基本原理 | 第31-32页 |
| 3.2 基于大津阈值和分水岭算法的铁谱图像分割 | 第32-39页 |
| 3.2.1 大津阈值减除背景 | 第33-36页 |
| 3.2.2 基于分水岭的磨粒图像分割 | 第36-39页 |
| 3.3 本章小结 | 第39-40页 |
| 第四章 基于改进灰色聚类的磨粒分割 | 第40-63页 |
| 4.1 灰色聚类原理 | 第40-43页 |
| 4.1.1 灰色关联分析 | 第40-41页 |
| 4.1.2 邓氏关联度 | 第41-42页 |
| 4.1.3 其他灰色关联度 | 第42-43页 |
| 4.1.4 灰色关联聚类 | 第43页 |
| 4.2 改进灰色聚类分割图像 | 第43-50页 |
| 4.2.1 改进灰色聚类算法 | 第44-49页 |
| 4.2.2 具体算法流程 | 第49-50页 |
| 4.3 聚类过程实例 | 第50-56页 |
| 4.4 实验结果及对比 | 第56-62页 |
| 4.5 本章小结 | 第62-63页 |
| 第五章 总结与展望 | 第63-65页 |
| 5.1 本课题的主要研究工作 | 第63-64页 |
| 5.2 对本课题研究的展望 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-70页 |
| 在学期间的研究成果及发表的学术论文 | 第70页 |