| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 目录 | 第6-9页 |
| CONTENTS | 第9-12页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 图像分割的重要意义和应用前景 | 第12页 |
| 1.2 图像分割方法及国内外研究现状 | 第12-16页 |
| 1.2.1 基于阈值的分割方法 | 第13页 |
| 1.2.2 基于区域的分割方法 | 第13页 |
| 1.2.3 基于边缘的分割方法 | 第13-14页 |
| 1.2.4 基于小波变换的分割方法 | 第14页 |
| 1.2.5 基于聚类的分割方法 | 第14页 |
| 1.2.6 基于马尔可夫随机场模型的分割方法 | 第14页 |
| 1.2.7 基于遗传算法的分割方法 | 第14-15页 |
| 1.2.8 基于神经网络的分割方法 | 第15页 |
| 1.2.9 基于主动轮廓模型的分割方法 | 第15-16页 |
| 1.3 图像分割方法的评价 | 第16页 |
| 1.4 本文的主要内容 | 第16-18页 |
| 第二章 数学形态学 | 第18-29页 |
| 2.1 引言 | 第18页 |
| 2.2 二值图像中的形态学 | 第18-23页 |
| 2.2.1 二值图像中形态学的基本运算 | 第19-21页 |
| 2.2.2 二值图像中的形态学应用 | 第21-23页 |
| 2.3 灰度图像中的形态学 | 第23-28页 |
| 2.3.1 灰度图像中形态学的基本运算 | 第23-26页 |
| 2.3.2 灰度图像中的形态学应用 | 第26-28页 |
| 2.4 小结 | 第28-29页 |
| 第三章 分水岭(Watershed)算法介绍 | 第29-34页 |
| 3.1 引言 | 第29页 |
| 3.2 分水岭算法的基本概念和原理 | 第29-30页 |
| 3.3 分水岭算法的过分割问题 | 第30页 |
| 3.4 使用分水岭分割的常用方法 | 第30-33页 |
| 3.4.1 使用距离变换的分水岭分割 | 第30-31页 |
| 3.4.2 使用梯度变换的分水岭分割 | 第31-32页 |
| 3.4.3 使用标记符的分水岭分割 | 第32-33页 |
| 3.5 小结 | 第33-34页 |
| 第四章 基于图形形态的分水岭图像分割 | 第34-42页 |
| 4.1 引言 | 第34页 |
| 4.2 形态学去噪原理 | 第34-35页 |
| 4.3 分水岭分割 | 第35-36页 |
| 4.4 基于图形形态模版的区域融合 | 第36-38页 |
| 4.5 仿真结果及分析 | 第38-41页 |
| 4.5.1 算法步骤 | 第38-39页 |
| 4.5.2 结果及分析 | 第39-41页 |
| 4.7 小结 | 第41-42页 |
| 第五章 基于小波变换的分水岭图像分割 | 第42-52页 |
| 5.1 引言 | 第42-43页 |
| 5.2 图像的梯度计算 | 第43-44页 |
| 5.3 基于多分辨率分析的小波自适应去噪算法 | 第44-49页 |
| 5.3.1 小波去噪和小波多分辨率分解变换的基本原理 | 第44-46页 |
| 5.3.2 阈值寻优原理与阈值函数构造 | 第46-48页 |
| 5.3.3 基于多分辨率分析的小波自适应闽值去噪算法处理步骤 | 第48页 |
| 5.3.4 标记的提取 | 第48-49页 |
| 5.4 分水岭算法的基本思想和实现原理 | 第49页 |
| 5.5 实验结果和分析 | 第49-51页 |
| 5.5.1 抑制噪声性能 | 第50页 |
| 5.5.2 实验结果 | 第50-51页 |
| 5.6 小结 | 第51-52页 |
| 结论 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 攻读硕士学位期间发表的学术论文 | 第56-58页 |
| 致谢 | 第58页 |