| 摘要 | 第1-7页 |
| Abstract | 第7-13页 |
| 第1章 绪论 | 第13-29页 |
| ·引言 | 第13-14页 |
| ·图像分割的概述 | 第14-17页 |
| ·图像分割的定义 | 第14-15页 |
| ·分割特征的特点 | 第15-16页 |
| ·图像分割的类型 | 第16-17页 |
| ·图像分割技术的研究现状 | 第17-25页 |
| ·基于模糊集合的图像分割技术 | 第18-19页 |
| ·基于神经网络的图像分割技术 | 第19-21页 |
| ·基于图论的图像分割技术 | 第21-22页 |
| ·基于视觉感知的图像分割技术 | 第22-24页 |
| ·基于数学形态学的图像分割技术 | 第24-25页 |
| ·本文的主要工作 | 第25-27页 |
| ·本文的结构安排 | 第27-29页 |
| 第2章 基于超模糊集的图像多属性阈值分割算法的研究 | 第29-49页 |
| ·引言 | 第29-30页 |
| ·模糊集理论 | 第30-32页 |
| ·经典模糊集理论 | 第30-31页 |
| ·超模糊集理论 | 第31-32页 |
| ·基于超模糊集的多属性图像阂值分割 | 第32-40页 |
| ·图像到超模糊集的转换 | 第32-35页 |
| ·超模糊集模糊度的度量 | 第35-37页 |
| ·超模糊集相似性的确定 | 第37-39页 |
| ·综合评价函数的构造 | 第39-40页 |
| ·基于超模糊集的多属性阈值分割算法流程 | 第40-41页 |
| ·实验结果与分析 | 第41-47页 |
| ·普通图像的阈值分割实验 | 第42-43页 |
| ·复杂图像的阈值分割实验 | 第43-46页 |
| ·分割性能的定量分析 | 第46-47页 |
| ·本章小结 | 第47-49页 |
| 第3章 基于多阶段处理的边缘检测算法的研究 | 第49-67页 |
| ·引言 | 第49-50页 |
| ·经典边缘检测方法 | 第50-53页 |
| ·边缘检测的基本思想 | 第50-51页 |
| ·Sobel边缘检测算子 | 第51-52页 |
| ·Canny边缘检测算子 | 第52-53页 |
| ·Hopfield神经网络 | 第53-55页 |
| ·基于分类机制的边缘初定位 | 第55-59页 |
| ·边缘的定义 | 第55-56页 |
| ·改进的边缘定义 | 第56-57页 |
| ·边缘的分类输出 | 第57-59页 |
| ·基于Hopfield网络的边缘增强 | 第59-62页 |
| ·实验结果与分析 | 第62-65页 |
| ·Hopfield边缘增强实验 | 第62-63页 |
| ·算法比较 | 第63-65页 |
| ·本章小结 | 第65-67页 |
| 第4章 基于视觉感知和交互式分割的轮廓检测算法的研究 | 第67-93页 |
| ·引言 | 第67页 |
| ·基于初级视皮层细胞抑制与增强的轮廓检测方法 | 第67-82页 |
| ·视觉感知系统 | 第68-71页 |
| ·生物特征的模拟过程 | 第71-72页 |
| ·神经元响应模型的建立 | 第72-74页 |
| ·神经元邻域影响模型的建立 | 第74-78页 |
| ·实验结果与分析 | 第78-82页 |
| ·基于各向异性结构张量的随机游走分割算法 | 第82-92页 |
| ·随机游走算法 | 第83-85页 |
| ·基于结构张量改进的随机游走算法 | 第85-89页 |
| ·实验结果与分析 | 第89-92页 |
| ·本章小结 | 第92-93页 |
| 第5章 基于多特征图像显著目标识别的应用研究 | 第93-109页 |
| ·引言 | 第93-94页 |
| ·视觉注意机制 | 第94-97页 |
| ·视觉注意机制、目标显著性及其关系 | 第94页 |
| ·视觉注意机制的生理基础 | 第94-95页 |
| ·视觉注意机制的感知模型 | 第95-97页 |
| ·特征提取 | 第97-101页 |
| ·全局显著性特征提取 | 第97-100页 |
| ·局部显著性特征提取 | 第100-101页 |
| ·合并与提取策略 | 第101-104页 |
| ·显著特征合并策略 | 第101-102页 |
| ·显著区域的定位 | 第102-104页 |
| ·算法流程 | 第104-105页 |
| ·实验结果与分析 | 第105-108页 |
| ·特征提取实验 | 第106-107页 |
| ·显著目标检测实验 | 第107-108页 |
| ·本章小结 | 第108-109页 |
| 第6章 基于复合特征车牌定位的应用研究 | 第109-125页 |
| ·引言 | 第109-110页 |
| ·研究基础 | 第110-113页 |
| ·我国现行机动车牌照的规格及特点 | 第110-111页 |
| ·数学形态学 | 第111-112页 |
| ·SOM神经网络 | 第112-113页 |
| ·候选车牌区域的检测 | 第113-118页 |
| ·彩色空间的选择与转换 | 第113-115页 |
| ·图像增强 | 第115-116页 |
| ·图像的差分运算 | 第116-117页 |
| ·基于形态学的候选区域的检测 | 第117-118页 |
| ·车牌区域的精确定位 | 第118-123页 |
| ·车牌特征分析 | 第118-119页 |
| ·车牌特征的量化 | 第119-122页 |
| ·基于SOM网络的车牌精确定位 | 第122-123页 |
| ·实验结果与分析 | 第123-124页 |
| ·本章小结 | 第124-125页 |
| 第7章 结束语 | 第125-127页 |
| 参考文献 | 第127-139页 |
| 致谢 | 第139-141页 |
| 攻读博士期间所做工作 | 第141-142页 |