基于形态学增强的PCNN金相图分割
| 摘要 | 第1-5页 |
| Abstract | 第5-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-12页 |
| ·本文的研究背景 | 第8-9页 |
| ·本文的研究现状 | 第9-10页 |
| ·本文的主要工作 | 第10-12页 |
| 第二章 形态学滤波 | 第12-18页 |
| ·形态学基本理论 | 第12-13页 |
| ·数学形态学基本运算 | 第13-15页 |
| ·二值形态学运算 | 第13-14页 |
| ·灰度形态学运算 | 第14-15页 |
| ·形态学滤波增强 | 第15-17页 |
| ·传统的top-hat 变换 | 第16页 |
| ·本文改进的top-hat 变换 | 第16-17页 |
| ·本章小结 | 第17-18页 |
| 第三章 PCNN 模型的理论及其应用 | 第18-22页 |
| ·PCNN 模型理论 | 第18-20页 |
| ·模型的定义 | 第18-19页 |
| ·模型的特点 | 第19-20页 |
| ·PCNN 模型在图像分割方面的应用 | 第20-21页 |
| ·PCNN 图像分割 | 第20-21页 |
| ·存在的缺陷和不足 | 第21页 |
| ·本章小结 | 第21-22页 |
| 第四章 PCNN 图像分割算法研究 | 第22-31页 |
| ·基于时间复杂度的改进 | 第22-23页 |
| ·多尺度分析 | 第22页 |
| ·模型的简化 | 第22-23页 |
| ·基于参数优化的改进 | 第23-26页 |
| ·权值矩阵 | 第23-25页 |
| ·连接强度 | 第25页 |
| ·迭代次数 | 第25-26页 |
| ·基于分割效果的改进 | 第26-28页 |
| ·现有的改进方法 | 第26-27页 |
| ·本文的改进方法 | 第27-28页 |
| ·分割评价准则 | 第28-29页 |
| ·本章小结 | 第29-31页 |
| 第五章 基于形态学增强的PCNN 图像分割 | 第31-39页 |
| ·本文的算法介绍 | 第31-37页 |
| ·分割预处理 | 第31-32页 |
| ·改进后的PCNN 模型 | 第32-33页 |
| ·分割后处理 | 第33页 |
| ·实验结果及其分析 | 第33-37页 |
| ·本章小结 | 第37-39页 |
| 第六章 总结和展望 | 第39-41页 |
| ·总结 | 第39页 |
| ·展望 | 第39-41页 |
| 参考文献 | 第41-44页 |
| 致谢 | 第44-45页 |
| 附录A 攻读硕士期间发表的文章 | 第45页 |
