管道容器损伤图像的分割和深度提取技术的研究及应用
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-13页 |
| 1.1 课题背景 | 第7页 |
| 1.2 管道内壁状况检测系统的概况 | 第7-8页 |
| 1.3 国内外研究现状 | 第8-9页 |
| 1.4 本文主要研究内容 | 第9-11页 |
| 1.5 本章小结 | 第11-13页 |
| 第二章 图像分割 | 第13-27页 |
| 2.1 引言 | 第13页 |
| 2.2 图像分割定义及分类 | 第13-16页 |
| 2.2.1 金属图像 | 第13-14页 |
| 2.2.2 图像分割定义 | 第14-15页 |
| 2.2.3 图像分割方法的分类 | 第15-16页 |
| 2.3 几种典型的图像分割方法 | 第16-26页 |
| 2.3.1 基于边缘检测的分割方法 | 第16-22页 |
| 2.3.2 基于区域的图像分割方法 | 第22-25页 |
| 2.3.3 结合区域与边界信息的分割方法 | 第25-26页 |
| 2.4 结合特定理论工具的分割方法 | 第26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 改进的分水岭算法及实验结果 | 第27-39页 |
| 3.1 引言 | 第27页 |
| 3.2 数学形态学的基本理论 | 第27-29页 |
| 3.3 分水岭算法的基本思想 | 第29-31页 |
| 3.4 改进的分水岭算法 | 第31-38页 |
| 3.4.1 现有几种分水岭算法 | 第31-32页 |
| 3.4.2 本文算法的实现过程 | 第32-37页 |
| 3.4.3 算法改进及实验结果 | 第37-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第四章 深度提取技术实现过程及实验结果 | 第39-51页 |
| 4.1 基于散焦图像深度提取技术 | 第39-41页 |
| 4.1.1 基于散焦图像深度提取技术理论分析 | 第39页 |
| 4.1.2 基于散焦图像深度提取实现过程 | 第39-41页 |
| 4.2 基于SFS图像深度提取技术 | 第41-49页 |
| 4.2.1 SFS技术理论分析及研究现状 | 第41-42页 |
| 4.2.2 基于SFS技术深度提取实现过程 | 第42-49页 |
| 4.3 算法结果及精度分析 | 第49-50页 |
| 4.3.1 基于散焦图像深度提取结果及精度分析 | 第49页 |
| 4.3.2 SFS算法深度提取结果及精度分析 | 第49-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第五章 系统设计及算法应用 | 第51-57页 |
| 5.1 系统设计 | 第51-54页 |
| 5.1.1 系统功能设计 | 第51-52页 |
| 5.1.2 数据库设计 | 第52-53页 |
| 5.1.3 系统软件环境配置 | 第53-54页 |
| 5.2 算法应用 | 第54-56页 |
| 5.3 本章小结 | 第56-57页 |
| 第六章 结束语 | 第57-59页 |
| 6.1 总结 | 第57页 |
| 6.2 展望 | 第57-59页 |
| 致谢 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 研究成果 | 第65页 |
