图像的插值放大和多阈值区域生长算法的研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-21页 |
| ·引言 | 第9页 |
| ·图像分割的概述 | 第9-10页 |
| ·图像分割的定义 | 第9-10页 |
| ·分类 | 第10页 |
| ·图像预处理 | 第10-12页 |
| ·医学图像分割 | 第12-19页 |
| ·基于边缘的方法 | 第12-13页 |
| ·基于区域的方法 | 第13-14页 |
| ·基于形变模型的方法 | 第14-16页 |
| ·基于统计模式识别的方法 | 第16-18页 |
| ·基于人工神经网络的方法 | 第18页 |
| ·基于数字图谱的匹配分割 | 第18-19页 |
| ·其它理论与方法 | 第19页 |
| ·分割方法的评价 | 第19-20页 |
| ·主要工作 | 第20-21页 |
| 第2章 改进的直方图均衡化算法 | 第21-33页 |
| ·直方图 | 第21-24页 |
| ·直方图的定义 | 第21-24页 |
| ·直方图均衡化算法 | 第24-28页 |
| ·直方图修正 | 第24页 |
| ·直方图均衡化 | 第24-28页 |
| ·改进的直方图均衡化 | 第28-33页 |
| ·传统的直方图均衡化算法的原理及不足 | 第28页 |
| ·改进的直方图均衡化算法 | 第28-30页 |
| ·应用效果及结论分析 | 第30-33页 |
| 第3章 图像的放缩 | 第33-51页 |
| ·插值值的方法 | 第33-35页 |
| ·最邻近插值 | 第33页 |
| ·B样条线性插值 | 第33-34页 |
| ·双三次插值算法 | 第34-35页 |
| ·一种自适应最大相关性数字图像插值算法 | 第35-39页 |
| ·多方向最大相关性参考点的确定 | 第35-36页 |
| ·自适应优化插值 | 第36-38页 |
| ·自适应最大相关性优化插值算法 | 第38-39页 |
| ·结合图像闭运算的图像放缩算法 | 第39-51页 |
| ·图像的边缘检测 | 第39-43页 |
| ·图像的闭操作 | 第43-45页 |
| ·结合闭运算的插值图像放大算法 | 第45-51页 |
| 第4章 多阈值的区域生长算法 | 第51-57页 |
| ·种子区域生长 | 第51-53页 |
| ·多阈值的区域生长算法 | 第53-57页 |
| ·生长点的确定 | 第53页 |
| ·生长规则的确定 | 第53-54页 |
| ·算法介绍 | 第54-57页 |
| 第5章 总结和展望 | 第57-59页 |
| ·把该方法进行推广 | 第57页 |
| ·后续的工作 | 第57-59页 |
| 参考文献 | 第59-65页 |
| 致谢 | 第65页 |
