非均匀光照文本图像的分割
| 第一章 绪论 | 第1-14页 |
| ·研究的内容及意义 | 第11-12页 |
| ·本文的组织结构和创新点 | 第12-14页 |
| 第二章 数字图像处理与模式识别 | 第14-24页 |
| ·数字图像处理 | 第14-21页 |
| ·图像与数字图像 | 第14-15页 |
| ·图像的数字化 | 第15-16页 |
| ·利用边界链编码标定数字图像 | 第16-18页 |
| ·数字图像处理的方法 | 第18-20页 |
| ·数字图像处理技术的应用 | 第20-21页 |
| ·模式识别基本理论 | 第21-24页 |
| ·模式识别 | 第21-22页 |
| ·模式识别的基本方法 | 第22-24页 |
| 第三章 图像分割技术 | 第24-31页 |
| ·图像分割简介 | 第24页 |
| ·图像分割的定义 | 第24-25页 |
| ·图像分割的一般方法 | 第25-31页 |
| ·阈值分割法 | 第26-27页 |
| ·边缘检测分割法 | 第27-28页 |
| ·区域跟踪检测法 | 第28-29页 |
| ·结合特定理论工具的分割技术 | 第29-31页 |
| 第四章 自适应窗口分割算法 | 第31-45页 |
| ·背景 | 第31-32页 |
| ·Otsu方法 | 第32-33页 |
| ·图像分块二值化算法 | 第33-35页 |
| ·对图像分块二值化算法的改进 | 第35-36页 |
| ·基于极大类间方差的自适应窗口分割算法 | 第36-44页 |
| ·背景 | 第36-38页 |
| ·自适应窗口及其分割 | 第38-40页 |
| ·信息测度 | 第40-41页 |
| ·基于极大类间方差的分割算法 | 第41-42页 |
| ·实验结果 | 第42-44页 |
| ·讨论 | 第44-45页 |
| 第五章 利用梯度算子二值化 | 第45-55页 |
| ·背景 | 第45-46页 |
| ·常见的边缘检测算子 | 第46-50页 |
| ·梯度算子 | 第46-47页 |
| ·高斯-拉普拉斯算子 | 第47-49页 |
| ·Kirsch算子 | 第49-50页 |
| ·利用边缘信息二值化 | 第50-52页 |
| ·实验结果 | 第52-53页 |
| ·讨论 | 第53-55页 |
| 第六章 利用子像素技术进行二值化 | 第55-64页 |
| ·背景 | 第55-56页 |
| ·子像素方法简介 | 第56-58页 |
| ·几何法 | 第56页 |
| ·插值法 | 第56-57页 |
| ·相关法 | 第57页 |
| ·区域特征法 | 第57-58页 |
| ·基于梯度的方法 | 第58页 |
| ·子像素二值化算法 | 第58-61页 |
| ·曲面拟合法求子像素灰度 | 第59-61页 |
| ·根据邻近像素关系求子像素灰度 | 第61页 |
| ·实验结果 | 第61-63页 |
| ·讨论 | 第63-64页 |
| 第七章 灰度图的极值 | 第64-67页 |
| ·背景 | 第64页 |
| ·一种探测灰度图局部极小区域的算法 | 第64-65页 |
| ·局部极小区域与图像二值化 | 第65-67页 |
| 第八章 实验平台的开发 | 第67-69页 |
| ·系统开发环境 | 第67页 |
| ·数字图像的存储 | 第67-68页 |
| ·实验平台简介 | 第68-69页 |
| 第九章 总结与展望 | 第69-71页 |
| ·总结 | 第69页 |
| ·发展与展望 | 第69-71页 |
| 参考文献 | 第71-77页 |
| 致谢 | 第77-78页 |
| 附录:攻读硕士学位期间发表论文 | 第78页 |
