| 摘要 | 第7-10页 |
| Abstract | 第10-13页 |
| 引言 | 第16-18页 |
| 第一章 绪论 | 第18-26页 |
| 1.1 研究背景 | 第18-19页 |
| 1.2 国内外研究现状 | 第19-22页 |
| 1.3 研究意义 | 第22-24页 |
| 1.3.1 常用边缘检测和图像分割方法的不足 | 第22-23页 |
| 1.3.2 形态学在边缘检测和图像分割中的优势 | 第23-24页 |
| 1.3.3 传统形态学方法在边缘检测和图像分割中的不足 | 第24页 |
| 1.4 研究内容与论文结构 | 第24-26页 |
| 第二章 数学形态学基本原理 | 第26-35页 |
| 2.1 形态学基本概念 | 第26-28页 |
| 2.2 二值形态学基本运算 | 第28-33页 |
| 2.3 灰度形态学基本运算 | 第33-34页 |
| 2.4 小结 | 第34-35页 |
| 第三章 基于形态变换的图像去噪研究 | 第35-68页 |
| 3.1 图像噪声 | 第35-36页 |
| 3.2 常用去噪方法 | 第36-40页 |
| 3.2.1 空域滤波 | 第36-38页 |
| 3.2.2 频域滤波 | 第38-40页 |
| 3.3 基于形态变换的图像去噪 | 第40-50页 |
| 3.4 结合遗传优化的多结构多尺度形态变换去噪 | 第50-67页 |
| 3.4.1 基本遗传算法 | 第50-52页 |
| 3.4.1.1 算法思想 | 第50-51页 |
| 3.4.1.2 重要操作 | 第51-52页 |
| 3.4.2 基于自适应遗传算法的多结构多尺度形态变换滤波 | 第52-67页 |
| 3.4.2.1 算法思想 | 第52页 |
| 3.4.2.2 模型建立 | 第52-54页 |
| 3.4.2.3 具体实现及参数设置 | 第54-60页 |
| 3.4.2.4 实验结果 | 第60-67页 |
| 3.5 小结 | 第67-68页 |
| 第四章 顺序形态边缘检测研究 | 第68-115页 |
| 4.1 边缘检测基本原理 | 第68-70页 |
| 4.2 常用边缘检测算子 | 第70-75页 |
| 4.3 形态变换边缘检测基本原理 | 第75-76页 |
| 4.4 自适应顺序形态边缘检测 | 第76-114页 |
| 4.4.1 算法思想 | 第76-78页 |
| 4.4.2 模型建立 | 第78-79页 |
| 4.4.3 具体实现及参数设置 | 第79-80页 |
| 4.4.4 实验结果 | 第80-114页 |
| 4.5 小结 | 第114-115页 |
| 第五章 分水岭图像分割研究 | 第115-148页 |
| 5.1 概述和分类 | 第115-116页 |
| 5.2 常用图像分割方法 | 第116-119页 |
| 5.2.1 阈值分割法 | 第116-118页 |
| 5.2.2 区域生长和分裂合并 | 第118-119页 |
| 5.2.3 其他分割方法 | 第119页 |
| 5.3 分水岭图像分割 | 第119-123页 |
| 5.3.1 分水岭算法基本原理 | 第120-122页 |
| 5.3.2 分水岭算法存在的问题及改进方案 | 第122-123页 |
| 5.4 结合分水岭变换和粒子群聚类算法的图像分割 | 第123-146页 |
| 5.4.1 Vicent分水岭算法 | 第123-125页 |
| 5.4.2 改进的Vicent分水岭算法 | 第125-126页 |
| 5.4.3 带连通约束的动态粒子群聚类 | 第126-130页 |
| 5.4.3.1 粒子群算法的基本原理 | 第126-128页 |
| 5.4.3.2 带连通约束的动态粒子群聚类分析 | 第128-130页 |
| 5.4.4 结合改进Vicent分水岭算法和动态粒子群聚类算法的图像分割 | 第130-146页 |
| 5.5 小结 | 第146-148页 |
| 第六章 总结与展望 | 第148-150页 |
| 6.1 本文总结 | 第148-149页 |
| 6.2 进一步工作 | 第149-150页 |
| 参考文献 | 第150-160页 |
| 致谢 | 第160-161页 |
| 附录1 攻读博士期间发表的论文 | 第161-162页 |
| 附录2 攻读博士期间参加的项目 | 第162页 |
