| 摘要 | 第5-8页 |
| ABSTRACT | 第8-11页 |
| 第1章 绪论 | 第18-26页 |
| 1.1 数学形态学的建立与发展 | 第18-20页 |
| 1.2 数学形态学的研究内容 | 第20-21页 |
| 1.3 数学形态学的研究现状 | 第21-24页 |
| 1.4 论文的组织结构和创新点 | 第24-26页 |
| 第2章 数学形态学 | 第26-46页 |
| 2.1 集合论的基本知识 | 第26-29页 |
| 2.1.1 集合与元素 | 第26页 |
| 2.1.2 集合的表示方法 | 第26页 |
| 2.1.3 元素的性质 | 第26-27页 |
| 2.1.4 元素与集合的关系 | 第27页 |
| 2.1.5 集合与集合的关系 | 第27页 |
| 2.1.6 集合的运算 | 第27-28页 |
| 2.1.7 集合运算的性质 | 第28-29页 |
| 2.2 二值数学形态学 | 第29-40页 |
| 2.2.1 腐蚀运算和膨胀运算 | 第29-31页 |
| 2.2.2 开运算和闭运算 | 第31-32页 |
| 2.2.3 击中击不中变换 | 第32-33页 |
| 2.2.4 二值数学形态学的应用 | 第33-40页 |
| 2.2.4.1 腐蚀运算和膨胀运算的基本应用 | 第33-34页 |
| 2.2.4.2 开运算和闭运算的基本应用 | 第34页 |
| 2.2.4.3 边缘检测 | 第34-35页 |
| 2.2.4.4 区域填充 | 第35-36页 |
| 2.2.4.5 连通分量提取 | 第36-37页 |
| 2.2.4.6 骨架提取 | 第37-38页 |
| 2.2.4.7 细化 | 第38-39页 |
| 2.2.4.8 粗化 | 第39-40页 |
| 2.3 灰值数学形态学 | 第40-42页 |
| 2.3.1 灰值腐蚀运算和灰值膨胀运算 | 第40-41页 |
| 2.3.2 灰值开运算和灰值闭运算 | 第41-42页 |
| 2.4 顺序数学形态学 | 第42-45页 |
| 2.4.1 基本顺序形态变换 | 第42-43页 |
| 2.4.2 复合顺序形态变换 | 第43页 |
| 2.4.3 顺序形态变换的统计特性 | 第43-45页 |
| 2.4.3.1 二值随机图像顺序形态变换的统计特性 | 第43-45页 |
| 2.5 本章小结 | 第45-46页 |
| 第3章 图像边缘检测 | 第46-54页 |
| 3.1 边缘检测的概述 | 第46-48页 |
| 3.2 边缘检测的主要方法 | 第48-51页 |
| 3.2.1 经典的边缘检测方法 | 第48-49页 |
| 2.2.1.1 微分算子法 | 第48-49页 |
| 3.2.1.2 最优算子法 | 第49页 |
| 3.2.1.3 拟合法 | 第49页 |
| 3.2.2 基于能量最小化为准则的全局提取图像边缘方法 | 第49-50页 |
| 3.2.3 结合新的数学工具的边缘检测方法 | 第50-51页 |
| 3.2.3.1 多尺度边缘检测方法 | 第50页 |
| 3.2.3.2 基于形态学的边缘检测方法 | 第50页 |
| 3.2.3.3 基于模糊数学的边缘检测算法 | 第50-51页 |
| 3.2.3.4 基于人工神经网络的边缘检测方法 | 第51页 |
| 3.3 边缘检测存在的问题和发展趋势 | 第51-53页 |
| 3.4 本章小结 | 第53-54页 |
| 第4章 基于数学形态学的图像边缘检测 | 第54-74页 |
| 4.1 数学形态学用于图像边缘检测的基本原理 | 第54-59页 |
| 4.1.1 数学形态学边缘检测算子 | 第55-57页 |
| 4.1.1.1 基本的数学形态学边缘检测算子 | 第55-56页 |
| 4.1.1.2 抗噪的数学形态学边缘检测算子 | 第56-57页 |
| 4.1.2 结构元素对边缘检测的影响 | 第57-59页 |
| 4.1.2.1 不同大小的结构元素 | 第57-58页 |
| 4.1.2.2 不同形状的结构元素 | 第58页 |
| 4.1.2.3 不同方向的结构元素 | 第58-59页 |
| 4.2 一种基于多形状多尺度结构元素的自适应边缘检测算法 | 第59-63页 |
| 4.2.1 改进的数学形态学边缘检测算子 | 第59-60页 |
| 4.2.2 结构元素的选择 | 第60-61页 |
| 4.2.3 基于信息熵的融合处理 | 第61-62页 |
| 4.2.4 实验结果和分析 | 第62-63页 |
| 4.3 基于复合顺序形态变换的边缘检测 | 第63-68页 |
| 4.3.1 基于顺序形态变换的边缘检测的原理 | 第63页 |
| 4.3.2 复合顺序形态变换边缘检测算子 | 第63-64页 |
| 4.3.3 结构元素对基于复合顺序形态变换的边缘检测的影响 | 第64-67页 |
| 4.3.3.1 不同大小的结构元素 | 第64-65页 |
| 4.3.3.2 不同形状的结构元素 | 第65-66页 |
| 4.3.3.3 不同方向的结构元素 | 第66页 |
| 4.3.3.4 不同原点位置的结构元素 | 第66-67页 |
| 4.3.4 百分位对基于顺序形态变换的边缘检测的影响 | 第67-68页 |
| 4.4 复合顺序形态变换在人体肝部CT图像边缘检测中的应用 | 第68-73页 |
| 4.4.1 结构元素对人体肝部CT图像边缘检测的影响 | 第68-72页 |
| 4.4.1.1 不同大小的结构元素 | 第68-69页 |
| 4.4.1.2 不同形状的结构元素 | 第69-70页 |
| 4.4.1.3 不同方向的结构元素 | 第70-71页 |
| 4.4.1.4 不同原点位置的结构元素 | 第71-72页 |
| 4.4.2 百分位对人体肝部CT图像边缘检测的影响 | 第72页 |
| 4.4.3 实验结果和分析 | 第72-73页 |
| 4.5 本章小结 | 第73-74页 |
| 第5章 基于数学形态学和小波变换的图像边缘检测 | 第74-84页 |
| 5.1 小波变换的基本理论 | 第74-79页 |
| 5.2 小波变换在边缘检测中的应用 | 第79-80页 |
| 5.3 一种基于数学形态学和小波变换的边缘检测算法 | 第80-83页 |
| 5.3.1 小波分解 | 第80页 |
| 5.3.2 基于数学形态学的低频近似子图像的边缘检测 | 第80-81页 |
| 5.3.3 基于小波变换的高频近似子图像的边缘检测 | 第81页 |
| 5.3.4 基于小波变换的图像融合 | 第81-82页 |
| 5.3.5 实验结果和分析 | 第82-83页 |
| 5.4 本章小结 | 第83-84页 |
| 第6章 基于数学形态学和模糊数学的图像边缘检测 | 第84-100页 |
| 6.1 模糊数学的基本理论 | 第84-86页 |
| 6.1.1 模糊数学概述 | 第84-85页 |
| 6.1.2 模糊集合和隶属度函数 | 第85-86页 |
| 6.2 图像增强和模糊增强 | 第86-87页 |
| 6.3 一种基于局部模糊增强的复合顺序形态学边缘检测算法 | 第87-94页 |
| 6.3.1 局部模糊增强 | 第88-91页 |
| 6.3.1.1 定位边缘区域 | 第88-89页 |
| 6.3.1.2 边缘区域模糊化 | 第89-90页 |
| 6.3.1.3 边缘区域增强 | 第90-91页 |
| 6.3.2 结构元素的选择 | 第91页 |
| 6.3.3 百分位的选择 | 第91-92页 |
| 6.3.4 融合和细化 | 第92页 |
| 6.3.5 实验结果和分析 | 第92-94页 |
| 6.4 基于局部模糊增强的复合顺序形态学边缘检测算法在无人驾驶汽车障碍物识别中的应用 | 第94-98页 |
| 6.4.1 局部模糊增强 | 第95-96页 |
| 6.4.2 复合顺序形态学边缘检测 | 第96页 |
| 6.4.3 实验结果和分析 | 第96-98页 |
| 6.5 本章小结 | 第98-100页 |
| 第7章 基于数学形态学的棒材自动计数系统的设计与实现 | 第100-116页 |
| 7.1 棒材计数的背景 | 第100-101页 |
| 7.2 棒材计数的研究现状 | 第101-104页 |
| 7.3 一种基于数学形态学的棒材自动计数系统的设计与实现 | 第104-114页 |
| 7.3.1 系统硬件结构 | 第105-106页 |
| 7.3.2 线阵CCD相机主要参数的计算与设置 | 第106-108页 |
| 7.3.3 系统软件结构 | 第108页 |
| 7.3.4 基于数学形态变换的棒材图像预处理 | 第108-110页 |
| 7.3.5 基于Blob分析的棒材识别与计数 | 第110-114页 |
| 7.3.5.1 Blob分析的简介 | 第110-111页 |
| 7.3.5.2 Blob分析的实现 | 第111-113页 |
| 7.3.5.3 Blob分析的结果 | 第113-114页 |
| 7.3.6 对本节提出的系统的总结 | 第114页 |
| 7.4 本章小结 | 第114-116页 |
| 第8章 基于数学形态学的签名真伪鉴别系统的设计与实现 | 第116-130页 |
| 8.1 签名真伪鉴别的背景 | 第116-119页 |
| 8.2 签名真伪鉴别的研究现状 | 第119-122页 |
| 8.3 一种基于数学形态学的签名真伪鉴别系统的设计与实现 | 第122-129页 |
| 8.3.1 签名图像的预处理 | 第122-123页 |
| 8.3.2 基于数学形态学的特征提取 | 第123-126页 |
| 8.3.3 决策判别结果 | 第126页 |
| 8.3.4 系统的主要界面 | 第126-128页 |
| 8.3.5 对本节提出的系统的总结 | 第128-129页 |
| 8.4 本章小结 | 第129-130页 |
| 第9章 总结与展望 | 第130-133页 |
| 9.1 论文的主要研究内容和创新点 | 第130-131页 |
| 9.2 未来工作的展望 | 第131-133页 |
| 参考文献 | 第133-146页 |
| 致谢 | 第146-147页 |
| 攻读博士期间发表的学位论文 | 第147-149页 |
| 攻读博士期间参与的科研项目 | 第149-150页 |
| 攻读博士期间的获奖情况 | 第150页 |
