首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

木材表面缺陷的图像分割算法研究

摘要第4-5页
Abstract第5页
1 绪论第9-13页
    1.1 研究的目的意义第9页
    1.2 研究现状第9-10页
    1.3 主要研究内容第10-11页
    1.4 技术路线第11-13页
2 木材表面缺陷图像的传统分割方法第13-24页
    2.1 图像采集第13页
    2.2 实验材料第13-17页
    2.3 传统图像分割算法第17-19页
        2.3.1 边缘检测算子介绍第17-18页
        2.3.2 基于边缘检测算子的木材表面缺陷图像分割第18-19页
    2.4 阈值分割第19-21页
        2.4.1 阈值法介绍第19-20页
        2.4.2 基于阈值法的木材表面缺陷图像分割第20-21页
    2.5 基于区域的木材表面缺陷图像分割第21-23页
        2.5.1 区域分裂与合并的图像分割第21-22页
        2.5.2 区域生长法及实验第22-23页
    2.6 本章小结第23-24页
3 基于C-V模型的木材表面缺陷图像分割第24-37页
    3.1 Mumford-shah模型介绍第24页
    3.2 C-V模型介绍第24-27页
        3.2.1 C-V模型基本理论第24-25页
        3.2.2 基于C-V模型的木材表面缺陷图像分割第25-27页
    3.3 结合C-V模型与形态学的木材表面缺陷图像分割第27-29页
        3.3.1 数学形态学基本理论第27-28页
        3.3.2 结合C-V模型与形态学图像分割实验第28-29页
    3.4 基于改进C-V模型的木材表面缺陷图像分割第29-33页
        3.4.1 改进模型介绍第29-30页
        3.4.2 改进算法的图像分割步骤第30页
        3.4.3 改进算法的图像分割实验和结果分析第30-33页
    3.5 图像分割的对比实验第33-34页
    3.6 改进C-V模型的多目标图像分割实验第34-35页
    3.7 本章小结第35-37页
4 基于Snake模型的木材表面缺陷图像分割第37-54页
    4.1 传统SNAKE模型介绍第37-40页
        4.1.1 传统SNAKE模型第37-38页
        4.1.2 采用SNAKE模型的木材表面缺陷图像分割第38-40页
    4.2 GVF SNAKE模型介绍第40-48页
        4.2.1 GVF SNAKE模型第40-41页
        4.2.2 GVF SNAKE模型数值解法第41-42页
        4.2.3 GVF SNAKE模型算法分割实验步骤第42-43页
        4.2.4 GVF SNAKE模型参数对分割结果的影响第43-47页
        4.2.5 GVF SNAKE分割实验和结果分析第47-48页
    4.3 算法的改进第48-50页
        4.3.1 维纳滤波介绍第48-49页
        4.3.2 改进算法的分割实验与结果分析第49-50页
    4.4 图像分割的对比实验第50-52页
    4.5 改进算法的多目标缺陷图像分割第52-53页
    4.6 本章小结第53-54页
5 基于GAC水平集模型的木材表面缺陷图像分割第54-66页
    5.1 GAC模型的介绍第54-56页
        5.1.1 GAC模型的原理第54页
        5.1.2 木材表面缺陷分割实验与结果分析第54-56页
    5.2 基于GAC模型改进的木材表面缺陷分割介绍第56-63页
        5.2.1 改进的GAC模型第56-58页
        5.2.2 改进的GAC模型分割步骤第58页
        5.2.3 改进算法的参数对图像分割结果影响第58-61页
        5.2.4 基于GAC改进算法的木材表面缺陷分割实验第61-63页
    5.3 图像分割的对比实验第63-64页
    5.4 改进算法的多目标缺陷木材图像分割第64-65页
    5.5 本章小结第65-66页
6 木材表面缺陷分割算法的比较分析第66-81页
    6.1 多目标缺陷木材图像分割方法比较第66-70页
    6.2 木材表面缺陷图像分割方法的抗噪声性能比较第70-74页
    6.3 复杂背景下改进GAC模型的木材表面缺陷图像分割第74-78页
    6.4 改进GAC模型的木材缺陷定位第78-80页
    6.5 本章小结第80-81页
结论第81-82页
参考文献第82-85页
攻读学位期间发表的学术论文第85-86页
致谢第86-87页

论文共87页,点击 下载论文
上一篇:基于RFID室内定位算法研究
下一篇:基于实体的中文旅游领域信息推荐方法研究