图像边缘检测修复算法的技术研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 引言 | 第9-13页 |
| ·研究背景及意义 | 第9-10页 |
| ·研究的目的 | 第10页 |
| ·实现网页自动分类面临的主要问题 | 第10-11页 |
| ·本文研究的内容 | 第11-13页 |
| 第二章 传统的图像边缘检测及修复现状 | 第13-29页 |
| ·图像边缘检测 | 第13-15页 |
| ·边缘的兴起 | 第13-14页 |
| ·图像边缘的定义 | 第14页 |
| ·传统的图像边缘检测算法 | 第14-15页 |
| ·传统的边缘检测算法分析 | 第15-28页 |
| ·经典算子 | 第15-22页 |
| ·最优算子 | 第22-24页 |
| ·多尺度方法 | 第24-25页 |
| ·自适应平滑滤波方法 | 第25-26页 |
| ·基于模糊性数学的聚类方法 | 第26-28页 |
| ·小结 | 第28-29页 |
| 第三章 图像边缘检测研究现状的算法分析 | 第29-51页 |
| ·图像修复的介绍 | 第29-30页 |
| ·传统的几种图像修复方法 | 第30-36页 |
| ·基于偏微分方程的图像修复 | 第31-32页 |
| ·基于纹理合成的图像修复 | 第32-33页 |
| ·基于快速自适应模板的图像修复 | 第33-36页 |
| ·算法结果分析 | 第36页 |
| ·基于灰度欧式距离的动态聚类算法 | 第36-43页 |
| ·动态聚类思想 | 第36-37页 |
| ·算法思想分析 | 第37页 |
| ·灰度处理 | 第37-41页 |
| ·算法结果分析 | 第41-43页 |
| ·彩色图像的K-means 的聚类算法 | 第43-50页 |
| ·K-means 聚类 | 第43页 |
| ·算法思想分析 | 第43-44页 |
| ·算法的数学描述 | 第44-45页 |
| ·算法关键代码 | 第45-47页 |
| ·算法过程分析 | 第47-48页 |
| ·算法结果分析 | 第48-50页 |
| ·小结 | 第50-51页 |
| 第四章 受损区域的选择 | 第51-66页 |
| ·确定受损区域的颜色值 | 第51页 |
| ·提取受损区域 | 第51-52页 |
| ·边缘识别的叙述 | 第52页 |
| ·受损区域边缘信息的获取 | 第52-57页 |
| ·排序算法 | 第52-53页 |
| ·筛选算法 | 第53-54页 |
| ·一种新的结合数学形态学的含噪图像边缘检测方法 | 第54-57页 |
| ·卷积和图像卷积算法的介绍 | 第57-60页 |
| ·卷积算法的应用 | 第60-63页 |
| ·高斯卷积滤波器 | 第60-61页 |
| ·高斯卷积核 | 第61-62页 |
| ·图像的修复过程 | 第62-63页 |
| ·实验结果 | 第63-64页 |
| ·结果分析 | 第64-65页 |
| ·小结 | 第65-66页 |
| 第五章 总结 | 第66-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-71页 |
