基于图像处理技术的白发检测研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 研究背景及意义 | 第8页 |
| 1.2 目标识别的国内外研究现状 | 第8-13页 |
| 1.2.1 图像目标识别国外研究现状 | 第9-10页 |
| 1.2.2 图像目标识别的国内研究现状 | 第10页 |
| 1.2.3 图像分割研究现状 | 第10-13页 |
| 1.3 本文研究内容 | 第13页 |
| 1.4 本文章节安排 | 第13-16页 |
| 第二章 基于图像的目标提取基础理论 | 第16-24页 |
| 2.1 图像目标提取的理论 | 第16-19页 |
| 2.1.1 图像目标提取的目标 | 第16页 |
| 2.1.2 图像目标提取的经典方法 | 第16-19页 |
| 2.1.3 图像目标提取的应用 | 第19页 |
| 2.2 图象颜色特征提取及表达方法 | 第19-22页 |
| 2.2.1 颜色模型 | 第20-21页 |
| 2.2.2 颜色特征的表达方式 | 第21-22页 |
| 2.3 本章小结 | 第22-24页 |
| 第三章 头部图像的预处理 | 第24-44页 |
| 3.1 图像色彩均衡 | 第24-30页 |
| 3.1.1 光照均衡 | 第24-26页 |
| 3.1.2 图像的傅里叶变换 | 第26页 |
| 3.1.3 高通滤波器设计 | 第26-28页 |
| 3.1.4 光照均衡实验分析 | 第28-30页 |
| 3.2 噪声去除 | 第30-39页 |
| 3.2.1 噪声的分类 | 第30-31页 |
| 3.2.2 图像噪声的模型 | 第31-34页 |
| 3.2.3 小波函数 | 第34-39页 |
| 3.3 图像去噪效果实验 | 第39-42页 |
| 3.4 本章小结 | 第42-44页 |
| 第四章 基于边缘检测的白发识别 | 第44-58页 |
| 4.1 边缘检测基础 | 第44-48页 |
| 4.1.1 边缘的分类 | 第44-45页 |
| 4.1.2 图像边缘检测算法分类 | 第45-48页 |
| 4.2 边缘检测步骤 | 第48-49页 |
| 4.2.1 边缘定位现存经典算法 | 第48-49页 |
| 4.2.2 边缘链接现存经典算法 | 第49页 |
| 4.3 边缘检测算子原理 | 第49-55页 |
| 4.3.1 Roberts检测算法 | 第49-50页 |
| 4.3.2 Sobel检测算法 | 第50-51页 |
| 4.3.3 Prewitt检测算法 | 第51-52页 |
| 4.3.4 Laplace检测算法 | 第52-53页 |
| 4.3.5 LOG检测算法 | 第53页 |
| 4.3.6 Canny检测算法 | 第53-55页 |
| 4.4 实验结果与分析 | 第55-57页 |
| 4.4.1 边缘检测算法识别头部图像 | 第55-56页 |
| 4.4.2 实验结果分析 | 第56-57页 |
| 4.5 本章小结 | 第57-58页 |
| 第五章 基于边界跟踪算法的目标提取 | 第58-66页 |
| 5.1 边界跟踪算法理论基础 | 第58-60页 |
| 5.1.1 链编码简介 | 第58页 |
| 5.1.2 链编码表示图像 | 第58-59页 |
| 5.1.3 边界跟踪算法选择 | 第59-60页 |
| 5.2 基基自动机的边界跟踪算法 | 第60-64页 |
| 5.2.1 自动机简介 | 第60页 |
| 5.2.2 边界标定自动机的内部状态 | 第60-61页 |
| 5.2.3 自动机标定的边界定义 | 第61页 |
| 5.2.4 竖直方向的单侧边界标定 | 第61-62页 |
| 5.2.5 在标定过程中判定内外边界的方法 | 第62-64页 |
| 5.3 边界跟踪算法实验 | 第64-65页 |
| 5.4 本章小结 | 第65-66页 |
| 第六章 总结与展望 | 第66-68页 |
| 6.1 总结 | 第66页 |
| 6.2 展望 | 第66-68页 |
| 致谢 | 第68-70页 |
| 参考文献 | 第70-75页 |
