| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-16页 |
| ·本研究的目的与意义 | 第10页 |
| ·计算机图像处理技术在杂草识别中的应用研究及国内外发展现状 | 第10-12页 |
| ·图像边缘检测方法的发展 | 第12-14页 |
| ·传统图像边缘检测概况 | 第12-13页 |
| ·小波多尺度边缘检测概况 | 第13-14页 |
| ·研究目标与内容 | 第14-16页 |
| 第二章 经典图像边缘检测的方法 | 第16-32页 |
| ·图像的预处理 | 第17-21页 |
| ·彩色图像转灰度图像 | 第17页 |
| ·对比度扩展 | 第17-18页 |
| ·灰度直方图统计 | 第18-19页 |
| ·灰度直方图均衡化 | 第19-20页 |
| ·阈值分割 | 第20-21页 |
| ·边缘检测的基本方法 | 第21-28页 |
| ·梯度算子 | 第22-23页 |
| ·Robert算子Sobel算子 | 第23-24页 |
| ·Prewitt边缘检测方法 | 第24-25页 |
| ·Marr边缘检测 | 第25页 |
| ·高斯-拉普拉斯算子(LOG) | 第25-27页 |
| ·各种算子边缘检测方法的比较 | 第27-28页 |
| ·形态学边缘检测 | 第28-32页 |
| 第三章 基于小波的多尺度边缘检测 | 第32-45页 |
| ·小波变换 | 第32-41页 |
| ·连续小波变换 | 第33-34页 |
| ·离散小波变换 | 第34-35页 |
| ·多分辨率分析 | 第35-40页 |
| ·Mallat塔式快速分解 | 第40-41页 |
| ·小波边缘检测原理 | 第41-45页 |
| ·一维信号检测原理 | 第41-42页 |
| ·二维图像边缘检测原理 | 第42-45页 |
| 第四章 基于B样条小波的图像边缘检测算法 | 第45-54页 |
| ·B样条函数与高斯函数的比较 | 第45-46页 |
| ·B样条小波边缘检测算法 | 第46-48页 |
| ·数学形态学边缘检测 | 第48-50页 |
| ·基于B样条小波分析和形态学的边缘检测 | 第50-52页 |
| ·基于融合技术的边缘检测方法步骤 | 第50-51页 |
| ·边缘图像的融合规则 | 第51-52页 |
| ·仿真结果和分析 | 第52-54页 |
| 第五章 改进的小波模极大值边缘检测算法 | 第54-59页 |
| ·小波二维图像边缘检测原理 | 第54-55页 |
| ·基于小波分析的数字图像的多尺度边缘提取 | 第55-56页 |
| ·图像边缘检测的改进算法 | 第56-57页 |
| ·仿真结果和分析 | 第57-59页 |
| 第六章 小波包的边缘检测 | 第59-66页 |
| ·小波包空间分解 | 第59-62页 |
| ·小波包定义 | 第60页 |
| ·标准的小波包分解 | 第60页 |
| ·小波包分解与重构算法 | 第60-62页 |
| ·小波包非对称分解的优点 | 第62页 |
| ·小波包最优基的选择 | 第62-63页 |
| ·边缘检测 | 第63页 |
| ·仿真结果和分析 | 第63-66页 |
| 第七章 结论与展望 | 第66-68页 |
| ·本文主要研究成果 | 第66-67页 |
| ·展望 | 第67-68页 |
| 参考文献 | 第68-71页 |
| 致谢 | 第71-72页 |
| 攻读硕士学位期间发表的论文 | 第72页 |