| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 图像分割研究的背景及目的 | 第9页 |
| 1.2 图像分割的研究现状及趋势 | 第9-13页 |
| 1.2.1 图像分割方法的分类 | 第10-11页 |
| 1.2.2 基于熵的图像阈值分割研究现状 | 第11-13页 |
| 1.3 本文的主要工作与结构安排 | 第13-17页 |
| 1.3.1 本文的主要工作 | 第13-15页 |
| 1.3.2 本文的结构安排 | 第15-17页 |
| 第2章 熵在图像阈值分割中的应用 | 第17-33页 |
| 2.1 引言 | 第17页 |
| 2.2 熵的基本概念及其阈值分割简介 | 第17-19页 |
| 2.2.1 熵的基本概念 | 第17-18页 |
| 2.2.2 阈值分割的基本原理 | 第18-19页 |
| 2.3 几种常用的熵的模型 | 第19-23页 |
| 2.3.1 Shannon熵模型 | 第19-21页 |
| 2.3.2 Tsallis熵模型 | 第21-22页 |
| 2.3.3 交叉熵模型 | 第22-23页 |
| 2.4 几种常用的阈值分割算法 | 第23-28页 |
| 2.4.1 最大熵算法 | 第24-25页 |
| 2.4.2 最大类间方差算法 | 第25-26页 |
| 2.4.3 最小误差算法 | 第26-28页 |
| 2.5 图像分割的质量评定 | 第28-31页 |
| 2.5.1 优度参数法 | 第28-30页 |
| 2.5.2 误差分析法 | 第30-31页 |
| 2.6 本章小结 | 第31-33页 |
| 第3章 Tsallis熵在图像阈值分割中的应用 | 第33-41页 |
| 3.1 引言 | 第33页 |
| 3.2 Tsallis熵阈值方法原理及参数分析 | 第33-36页 |
| 3.3 基于Tsallis熵的双q值算法 | 第36-37页 |
| 3.4 实验结果与分析 | 第37-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第4章 基于灰度-梯度信息的图像分割算法 | 第41-51页 |
| 4.1 引言 | 第41页 |
| 4.2 算法的提出 | 第41-46页 |
| 4.2.1 邻域均值图像及梯度图像 | 第42-43页 |
| 4.2.2 二阶微分图像(拉普拉斯图像)及梯度锐化 | 第43-45页 |
| 4.2.3 图像二值化分割处理 | 第45-46页 |
| 4.3 实验结果和分析 | 第46-50页 |
| 4.4 结论 | 第50-51页 |
| 第5章 总结与展望 | 第51-53页 |
| 5.1 研究工作总结 | 第51-52页 |
| 5.2 研究未来展望 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 致谢 | 第57-59页 |
| 个人简历、在学期间发表的学术论文及研究成果 | 第59页 |