| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1 绪论 | 第8-16页 |
| 1.1 选题背景及研究意义 | 第8-9页 |
| 1.1.1 选题背景 | 第8-9页 |
| 1.1.2 研究意义 | 第9页 |
| 1.2 边缘检测的研究历史与发展现状 | 第9-11页 |
| 1.2.1 经典边缘检测算法研究现状 | 第9-10页 |
| 1.2.2 基于灰色关联度模型的边缘检测研究现状 | 第10-11页 |
| 1.3 边缘检测的评价方法及所选用的图像 | 第11-13页 |
| 1.3.1 评价方法 | 第11-12页 |
| 1.3.2 所选用的图像 | 第12-13页 |
| 1.4 研究内容、方案及技术路线 | 第13-14页 |
| 1.4.1 主要研究内容 | 第13页 |
| 1.4.2 研究方案与技术路线 | 第13-14页 |
| 1.5 论文的内容安排 | 第14-16页 |
| 2 基于灰色关联分析的传统边缘检测算法 | 第16-30页 |
| 2.1 概述 | 第16页 |
| 2.2 基于灰色关联分析的边缘检测算法概述 | 第16-18页 |
| 2.2.1 灰色关联度图像 | 第16页 |
| 2.2.2 灰色关联度图像进行边缘检测的理论依据 | 第16-18页 |
| 2.2.3 基于灰色关联度模型的边缘检测算法 | 第18页 |
| 2.3 关联度模型的选取 | 第18-21页 |
| 2.3.1 灰色关联度四公理 | 第18-19页 |
| 2.3.2.常用的灰色关联度模型及其特点 | 第19-21页 |
| 2.4 参考序列和比较序列的确定 | 第21-25页 |
| 2.4.1 比较序列 | 第21-23页 |
| 2.4.2 参考序列 | 第23-24页 |
| 2.4.3 数据无量纲化 | 第24-25页 |
| 2.5 实验结果与分析 | 第25-29页 |
| 2.5.1 不同参考序列下算法的定位精度及抗噪性能 | 第25-28页 |
| 2.5.2 阈值选取对算法定位精度的影响 | 第28-29页 |
| 2.6 小结 | 第29-30页 |
| 3 基于灰色关联分析的改进算法 | 第30-39页 |
| 3.1 概述 | 第30页 |
| 3.2 增加中值滤波器 | 第30-31页 |
| 3.3 边缘细化 | 第31-33页 |
| 3.3.1 多方位参考序列的选取 | 第31-32页 |
| 3.3.2 非极大值抑制 | 第32-33页 |
| 3.4 改进阈值算法 | 第33-35页 |
| 3.4.1 基于人眼视觉特性的自适应阈值计算 | 第33-34页 |
| 3.4.2 边缘提取 | 第34页 |
| 3.4.3 消除孤立点 | 第34-35页 |
| 3.5 实验结果与算法评价 | 第35-38页 |
| 3.5.1 改进算法的结果与评价 | 第35-36页 |
| 3.5.2 改进算法的抗噪性能评价 | 第36-38页 |
| 3.6 小结 | 第38-39页 |
| 4 基于灰色关联分析改进算法的实例检测与评价 | 第39-51页 |
| 4.1 概述 | 第39页 |
| 4.2 经典边缘检测算法原理 | 第39-40页 |
| 4.3 经典微分算子 | 第40-43页 |
| 4.3.1 一阶微分算子 | 第40-41页 |
| 4.3.2 二阶微分算子 | 第41-43页 |
| 4.4 实例检测与评价 | 第43-50页 |
| 4.4.1 实例检测 | 第43-44页 |
| 4.4.2 算法评价 | 第44-48页 |
| 4.4.3 算法适用性检测 | 第48-50页 |
| 4.5 小结 | 第50-51页 |
| 5 总结与展望 | 第51-53页 |
| 5.1 全文总结 | 第51页 |
| 5.2 研究展望 | 第51-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 附录 | 第57页 |