| 1 绪论 | 第1-17页 |
| 1．1 研究背景和意义 | 第10-15页 |
| 1．1．1 图像分割概述 | 第10-12页 |
| 1．1．2 数学形态学与数字图像处理 | 第12-14页 |
| 1．1．3 医学图像处理 | 第14-15页 |
| 1．2 论文的研究内容及章节安排 | 第15-17页 |
| 2 数学形态学基本理论 | 第17-27页 |
| 2．1 引言 | 第17页 |
| 2．2 二值形态学 | 第17-20页 |
| 2．2．1 二值腐蚀 | 第17-18页 |
| 2．2．2 二值膨胀 | 第18-19页 |
| 2．2．3 二值开运算 | 第19-20页 |
| 2．2．4 二值闭运算 | 第20页 |
| 2．3 灰值形态学 | 第20-26页 |
| 2．3．1 灰值腐蚀 | 第20-21页 |
| 2．3．2 灰值膨胀 | 第21-22页 |
| 2．3．3 灰值开运算 | 第22-23页 |
| 2．3．4 灰值闭运算 | 第23-24页 |
| 2．3．5 灰值形态学梯度 | 第24-25页 |
| 2．3．6 高帽变换(Top-Hat)和低帽变换(Bot-Hat) | 第25-26页 |
| 2．4 彩色形态学 | 第26-27页 |
| 3 图像分割基本理论 | 第27-38页 |
| 3．1 引言 | 第27-31页 |
| 3．1．1 并行边界分割技术 | 第28-29页 |
| 3．1．2 串行边界分割技术 | 第29-30页 |
| 3．1．3 并行区域分割技术 | 第30页 |
| 3．1．4 串行区域分割技术 | 第30-31页 |
| 3．2 经典边缘检测算法 | 第31-37页 |
| 3．3 现代边缘检测方法 | 第37-38页 |
| 4 基于全方位、多尺度形态学的图像边缘检测 | 第38-44页 |
| 4．1 引言 | 第38-39页 |
| 4．2 基本形态变换 | 第39-40页 |
| 4．3 全方位、多尺度形态边缘检测算法 | 第40-42页 |
| 4．3．1 全方位结构元素的选取 | 第40页 |
| 4．3．2 多尺度结构元素的选取 | 第40-41页 |
| 4．3．3 全方位、多尺度形态边缘检测算法的构造 | 第41-42页 |
| 4．4 实验结果及讨论 | 第42-44页 |
| 5 基于全方位、多尺度形态学的彩色图像处理 | 第44-56页 |
| 5．1 引言 | 第44页 |
| 5．2 基于数学形态学的彩色图像处理 | 第44-45页 |
| 5．2．1 色度学简介 | 第44页 |
| 5．2．2 彩色图像的形态学处理 | 第44-45页 |
| 5．3 基于数学形态学的彩色图像滤波 | 第45-50页 |
| 5．3．1 多尺度形态学的彩色图像滤波方法 | 第46-47页 |
| 5．3．2 彩色图像质量评价方法 | 第47-48页 |
| 5．3．3 实验结果及讨论 | 第48-50页 |
| 5．4 基于数学形态学的彩色图像边缘检测 | 第50-56页 |
| 5．4．1 动态K-L变换及彩色图像的单色化 | 第51-53页 |
| 5．4．2 不同彩色空间下的形态边缘提取 | 第53页 |
| 5．4．3 实验结果及讨论 | 第53-56页 |
| 6 基于图像森林化变换(IFT)的分水岭算法 | 第56-66页 |
| 6．1 引言 | 第56页 |
| 6．2 分水岭变换 | 第56-57页 |
| 6．2．1 分水岭的定义 | 第56-57页 |
| 6．2．2 分水岭算法的实现 | 第57页 |
| 6．3 基于IFT的分水岭算法 | 第57-61页 |
| 6．3．1 最短路径问题 | 第57-58页 |
| 6．3．2 图像森林化变换(IFT) | 第58-60页 |
| 6．3．3 基于IFT的分水岭算法的概念及实现方法 | 第60-61页 |
| 6．4 实验结果及讨论 | 第61-66页 |
| 6．4．1 传统分水岭算法及过分割问题 | 第61-62页 |
| 6．4．2 预处理效果 | 第62-63页 |
| 6．4．3 使用基于IFT的分水岭算法 | 第63-66页 |
| 7 结语 | 第66-68页 |
| 7．1 论文工作总结 | 第66页 |
| 7．2 论文进一步的工作展望 | 第66-68页 |
| 参考文献 | 第68-73页 |
| 致谢 | 第73-74页 |
| 攻读学位期间发表的学术论文和参加的项目 | 第74页 |