| 中文摘要 | 第1-4页 |
| ABSTRACT | 第4-11页 |
| 第一章 引言 | 第11-16页 |
| ·研究背景及意义 | 第11-12页 |
| ·图像处理的基本概念 | 第12-13页 |
| ·图像函数 | 第12页 |
| ·图象采样与量化 | 第12-13页 |
| ·图像噪声 | 第13页 |
| ·图像处理、分析与理解 | 第13页 |
| ·本文的主要工作 | 第13-16页 |
| ·研究内容与研究思路 | 第13-14页 |
| ·主要研究成果 | 第14-15页 |
| ·论文结构 | 第15-16页 |
| 第二章 图像边缘提取、跟踪与分割 | 第16-30页 |
| ·边缘提取 | 第16-22页 |
| ·边缘检测算子 | 第16页 |
| ·梯度算子 | 第16-18页 |
| ·LoG/DoG算子 | 第18-19页 |
| ·Canny边缘提取 | 第19-22页 |
| ·边界跟踪 | 第22-24页 |
| ·状态空间搜索法 | 第22-23页 |
| ·费用函数的选择方法 | 第23-24页 |
| ·图像分割 | 第24-25页 |
| ·分水岭分割 | 第24页 |
| ·匹配分割 | 第24-25页 |
| ·目标跟踪的Snake算法 | 第25-30页 |
| ·Snake算法的发展 | 第25-26页 |
| ·Snake算法 | 第26-27页 |
| ·改进的B-Snake跟踪算法 | 第27-30页 |
| 第三章 从Fourier变换到Curvelet变换 | 第30-36页 |
| ·二维离散fourier变换 | 第30页 |
| ·小波变换 | 第30-32页 |
| ·Radon变换和Hough变换 | 第32页 |
| ·Curvelet变换的实现方法 | 第32-34页 |
| ·Curvelet变换在图像处理中的应用 | 第34-36页 |
| ·图像去噪 | 第34页 |
| ·图像增强 | 第34页 |
| ·在纸浆纤维图像处理中应用 | 第34-36页 |
| 第四章 图像特征提取与模式识别 | 第36-51页 |
| ·几种常用图像特征 | 第36-38页 |
| ·振幅特征 | 第36页 |
| ·纹理特征 | 第36-38页 |
| ·特征提取与分类方法 | 第38-42页 |
| ·特征向量的距离 | 第38-39页 |
| ·按欧氏距离度量的特征提取方法 | 第39-40页 |
| ·基于K-L展开式的特征提取 | 第40-42页 |
| ·基于小波变换的纹理分类 | 第42-43页 |
| ·纹理分类概述 | 第42页 |
| ·小波纹理分类 | 第42-43页 |
| ·特征提取和纹理分类 | 第43页 |
| ·图像模式识别 | 第43-46页 |
| ·模板匹配 | 第44页 |
| ·不变矩 | 第44-46页 |
| ·RBF神经网络方法 | 第46-50页 |
| ·函数逼近与内插 | 第46页 |
| ·RBFNN模型 | 第46-47页 |
| ·RBFNN在线学习算法 | 第47-49页 |
| ·用于模式识别的小波神经网络 | 第49-50页 |
| ·近邻法 | 第50-51页 |
| ·最近邻决策规则 | 第50页 |
| ·k-近邻法 | 第50页 |
| ·剪辑近邻法 | 第50-51页 |
| 第五章 纤维形态检测 | 第51-56页 |
| ·数学形态学方法 | 第51-52页 |
| ·线状目标的边缘提取 | 第52-54页 |
| ·线状物的识别 | 第54页 |
| ·纤维的识别 | 第54-56页 |
| 第六章 纸浆纤维图像边缘提取方法 | 第56-63页 |
| ·方向小波边缘检测算法 | 第56-57页 |
| ·方向小波变换 | 第56-57页 |
| ·方向小波边缘检测算法 | 第57页 |
| ·基于边界对同时检测分割方法 | 第57-63页 |
| ·图像预处理和3D图构建 | 第58-59页 |
| ·计算费用函数 | 第59-61页 |
| ·最优边界对的识别 | 第61-63页 |
| 第七章 纸浆纤维图像识别 | 第63-78页 |
| ·线状目标的识别 | 第63-67页 |
| ·基于知识的线状目标识别 | 第63-64页 |
| ·基于匹配的线状目标识别 | 第64-66页 |
| ·基于Radon变换的图像识别 | 第66-67页 |
| ·纸浆纤维的分割 | 第67-70页 |
| ·纤维边缘特征的提取 | 第67页 |
| ·骨架提取 | 第67-70页 |
| ·纤维识别 | 第70-72页 |
| ·测量结果与误差分析 | 第72-78页 |
| ·测量 | 第72-76页 |
| ·误差分析 | 第76-78页 |
| 第八章 纸页匀度检测方法概论 | 第78-89页 |
| ·研究意义及进展 | 第78-79页 |
| ·研究内容 | 第79-80页 |
| ·纸页匀度检测原理 | 第80-81页 |
| ·光透图像匀度检测 | 第80页 |
| ·纸页匀度标定原理 | 第80-81页 |
| ·基于图像分析技术的纸页匀度表征方法 | 第81-89页 |
| ·标准匀度指数表征 | 第81-82页 |
| ·Jordan 比周长表征 | 第82-84页 |
| ·区域离散系数表征 | 第84-86页 |
| ·基于Fourier变换的纸页匀度表征 | 第86-89页 |
| 第九章 基于小波变换的纸页匀度表征 | 第89-103页 |
| ·小波谱及其对纸页的分析 | 第89-92页 |
| ·多分辨分析与Mallat算法 | 第92-97页 |
| ·多分辨分析 | 第92-93页 |
| ·Mallat算法 | 第93-94页 |
| ·二维小波分析 | 第94-96页 |
| ·小波基的选取及CDF(9,7)双正交小波 | 第96-97页 |
| ·小波匀度指数 | 第97-99页 |
| ·匀度表征过程及实验 | 第99-103页 |
| ·实验方法 | 第99页 |
| ·实验结果及分析 | 第99-103页 |
| 第十章 纸页缺陷检测方法概论 | 第103-108页 |
| ·纸页表面质量缺陷检测技术的发展 | 第103页 |
| ·一般纸页缺陷检测方法 | 第103-106页 |
| ·阈值凼 | 第103-104页 |
| ·形态学方法 | 第104-105页 |
| ·灰度级统计法 | 第105-106页 |
| ·研究内容 | 第106-108页 |
| 第十一章 纸页表面质量缺陷检测方法 | 第108-117页 |
| ·小波变换在表面缺陷检测中的应用 | 第108-109页 |
| ·基于平稳小波变换的纸页缺陷图像分割 | 第109-112页 |
| ·平稳小波变换与正交小波变换 | 第109页 |
| ·基于平稳小波变换与图像融合的图像分割 | 第109-111页 |
| ·试验结果分析 | 第111-112页 |
| ·基于奇异点检测的纸页缺陷图像分割 | 第112-115页 |
| ·模极大值点与信号奇异点间的关系 | 第112页 |
| ·利用模极大值检测图像边缘 | 第112-113页 |
| ·试验结果对比与分析 | 第113-115页 |
| ·纸页缺陷的分类识别 | 第115-117页 |
| ·特征选取与分类 | 第115页 |
| ·实验结果 | 第115-117页 |
| 第十二章 总结与展望 | 第117-119页 |
| ·本文的主要工作 | 第117-118页 |
| ·研究工作展望 | 第118-119页 |
| 参考文献 | 第119-132页 |
| 发表论文和科研情况说明 | 第132-134页 |
| 致谢 | 第134页 |