| 摘要 | 第1页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| ·课题研究的背景和意义 | 第7-8页 |
| ·国内外研究现状 | 第8-9页 |
| ·本文主要工作与章节安排 | 第9-11页 |
| 第二章 憎水性图像等级评价方法分析 | 第11-20页 |
| ·水珠图像特征分析 | 第11-12页 |
| ·边缘检测算法 | 第12-18页 |
| ·差分边缘检测 | 第14页 |
| ·Roberts算子 | 第14-15页 |
| ·Sobel算子 | 第15-16页 |
| ·Prewitt算子 | 第16-17页 |
| ·拉普拉斯算子 | 第17-18页 |
| ·本章小结 | 第18-20页 |
| 第三章 憎水性图像分级与评析 | 第20-24页 |
| ·憎水性图像的获取 | 第20页 |
| ·憎水性图像分级 | 第20-22页 |
| ·最大水珠或水迹的形状因子 | 第22页 |
| ·最大水珠或水迹与整幅图像的面积比 | 第22-23页 |
| ·K与f_c的联合计算 | 第23页 |
| ·本章小结 | 第23-24页 |
| 第四章 基于GAP统计模型和模糊理论的憎水性图像边缘检测算法 | 第24-32页 |
| ·引言 | 第24页 |
| ·GAP统计模型 | 第24-26页 |
| ·GAP一般定义 | 第25页 |
| ·分布GAP算子 | 第25-26页 |
| ·边缘隶属度函数的建立 | 第26-27页 |
| ·图像边缘检测模型 | 第27-29页 |
| ·实验结果及分析 | 第29-31页 |
| ·本章小结 | 第31-32页 |
| 第五章 基于有效平均隶属度的憎水性图像边缘检测算法 | 第32-41页 |
| ·引言 | 第32页 |
| ·基于有效平均隶属度的图像边缘检测算法 | 第32-37页 |
| ·基于梯度的方向性隶属度分量 | 第33-35页 |
| ·有效平均隶属度模型 | 第35-37页 |
| ·有效平均隶属度EAM定义 | 第35页 |
| ·EAM(D)～D曲线与高低端剪切函数 | 第35-36页 |
| ·特征提取范围 | 第36-37页 |
| ·实验结果与分析 | 第37-39页 |
| ·本章小结 | 第39-41页 |
| 第六章 总结与展望 | 第41-43页 |
| 参考文献 | 第43-46页 |
| 致谢 | 第46-47页 |
| 在学期间发表论文和参加科研情况 | 第47页 |