汽车轮辋的边缘识别研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 目录 | 第7-9页 |
| 第1章 绪论 | 第9-22页 |
| 1.1 选题背景及意义 | 第9-12页 |
| 1.2 图像识别的发展 | 第12-13页 |
| 1.3 图像目标识别研究现状与发展趋势 | 第13-15页 |
| 1.4 数字图像处理有关的发展现状 | 第15-20页 |
| 1.4.1 图像增强 | 第15-16页 |
| 1.4.2 图像分割 | 第16-19页 |
| 1.4.3 图像的边缘检测 | 第19-20页 |
| 1.5 本文主要内容与章节安排 | 第20-22页 |
| 第2章 图像边缘检测方法 | 第22-32页 |
| 2.1 边缘检测的基本方法 | 第22-25页 |
| 2.1.1 简单边缘模型 | 第23页 |
| 2.1.2 一阶微分方法 | 第23-24页 |
| 2.1.3 二阶微分方法 | 第24-25页 |
| 2.2 边缘检测算子 | 第25-29页 |
| 2.2.1 Roberts算子 | 第25页 |
| 2.2.2 Prewitt算子 | 第25-26页 |
| 2.2.3 Sobel算子 | 第26页 |
| 2.2.4 Log算子 | 第26-27页 |
| 2.2.5 Canny算子 | 第27-29页 |
| 2.3 边缘检测的优缺点 | 第29页 |
| 2.4 仿真结果分析 | 第29-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第3章 直方图均衡化的边缘检测 | 第32-40页 |
| 3.1 直方图 | 第32-33页 |
| 3.2 直方图均衡化算法 | 第33-35页 |
| 3.3 基于直方图均衡化后的边缘检测 | 第35-36页 |
| 3.4 直方图均衡化改进的方法 | 第36-39页 |
| 3.4.1 全局直方图均衡化改进算法 | 第36-38页 |
| 3.4.2 局部直方图均衡化的改进算法 | 第38-39页 |
| 3.4.3 基于分频和融合的直方图均衡算法改进 | 第39页 |
| 3.5 本章小结 | 第39-40页 |
| 第4章 数学形态学的边缘检测 | 第40-47页 |
| 4.1 形态学相关性质 | 第40-42页 |
| 4.2 二值图像的数学形态学 | 第42-45页 |
| 4.2.1 膨胀和腐蚀 | 第42-43页 |
| 4.2.2 开运算和闭运算 | 第43-44页 |
| 4.2.3 击中变换和击不中变换 | 第44-45页 |
| 4.3 数学形态学的边缘检测 | 第45-46页 |
| 4.3.1 形态学结构元素的选取方法 | 第45页 |
| 4.3.2 形态学边缘检测 | 第45-46页 |
| 4.4 本章小结 | 第46-47页 |
| 第5章 基于形态学与直方图组合的边缘检测 | 第47-64页 |
| 5.1 基于形态学与直方图组合边缘检测算法 | 第47-56页 |
| 5.1.1 组合算法的思路的来源 | 第47-48页 |
| 5.1.2 设计方法 | 第48-49页 |
| 5.1.3 组合算法的数学原理模型 | 第49-52页 |
| 5.1.4 组合算法效果图分析 | 第52-56页 |
| 5.2 基于抗噪性参数P改进的组合边缘检测 | 第56-58页 |
| 5.2.1 抗噪性参数P | 第56页 |
| 5.2.2 改进的边缘检测的算法原理 | 第56-58页 |
| 5.3 基于抗噪性参数P的组合算法的仿真分析 | 第58-63页 |
| 5.4 本章小结 | 第63-64页 |
| 第6章 总结与展望 | 第64-66页 |
| 6.1 全文总结 | 第64-65页 |
| 6.2 展望 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 致谢 | 第69-70页 |
| 附录 | 第70页 |
