| 第一章 概述 | 第8-14页 |
| 1.1 课题的来源与意义 | 第8-9页 |
| 1.2 图像识别概念与模型 | 第9页 |
| 1.3 研究现状 | 第9-12页 |
| 1.4 论文的内容安排 | 第12-14页 |
| 第二章 圆钢端部图像的预处理 | 第14-22页 |
| 2.1 引言 | 第14页 |
| 2.2 光照不均匀的校正 | 第14-19页 |
| 2.2.1 基于信息度量的分窗二值方法 | 第14-15页 |
| 2.2.2 Otsu自动阈值选择法 | 第15-16页 |
| 2.2.3 信息度量 | 第16-17页 |
| 2.2.4 分窗二值化过程 | 第17-18页 |
| 2.2.5 算法在实际应用中的改进 | 第18-19页 |
| 2.3 着色法标记连通域消除二值图像中的孤立噪声区域 | 第19-20页 |
| 2.4 小结 | 第20-22页 |
| 第三章 基于数学形态学的图像分割 | 第22-33页 |
| 3.1 引言 | 第22-24页 |
| 3.1.1 图像分割的定义 | 第22页 |
| 3.1.2 图像分割算法的分类 | 第22-24页 |
| 3.2 基于数学形态学的分割方法 | 第24-27页 |
| 3.2.1 数学形态学的基本运算 | 第25-27页 |
| 3.3 基于水线(分水岭Watershed)分割算法的圆钢端部图像分割 | 第27-31页 |
| 3.3.1 水线分割算法的基本思想 | 第27-28页 |
| 3.3.2 堤坝的构造 | 第28-30页 |
| 3.3.3 水线分割算法 | 第30-31页 |
| 3.3.4 实验结果 | 第31页 |
| 3.4 小结 | 第31-33页 |
| 第四章 基于数学形态学的图像背景噪声清除算法 | 第33-41页 |
| 4.1 引言 | 第33页 |
| 4.2 基于灰度骨架变换的方法概述 | 第33-36页 |
| 4.3 方法的实现 | 第36-40页 |
| 4.3.1 估计三个主基尺寸 | 第36-38页 |
| 4.3.2 移去变化背景和颗粒噪声 | 第38-39页 |
| 4.3.3 全局阈值化 | 第39-40页 |
| 4.4 针对特定图像背景的方法改进 | 第40页 |
| 4.5 小结 | 第40-41页 |
| 第五章 类圆形目标的检测 | 第41-52页 |
| 5.1 引言 | 第41页 |
| 5.2 基于Hough变换的圆检测算法 | 第41页 |
| 5.3 圆检测的RHT算法 | 第41-42页 |
| 5.4 圆检测的改进RHT(RHT~+) | 第42-46页 |
| 5.5 在实际问题中对上述方法的改进 | 第46页 |
| 5.6 基于模式特征向量及模式类分类决策的类圆形识别 | 第46-47页 |
| 5.6.1 模式特征向量及模式类分类决策的设定 | 第47页 |
| 5.7 类圆形圆钢端部图像识别算法 | 第47-51页 |
| 5.7.1 聚类法初级分类 | 第47-48页 |
| 5.7.2 利用模糊概念进行细化识别 | 第48-51页 |
| 5.8 小结 | 第51-52页 |
| 第六章 圆钢端部图像识别系统的设计 | 第52-56页 |
| 6.1 引言 | 第52页 |
| 6.2 系统设计 | 第52-55页 |
| 6.2.1 系统硬件配置 | 第52-53页 |
| 6.2.2 系统软件设计 | 第53-55页 |
| 6.3 圆钢的计数 | 第55页 |
| 6.4 小结 | 第55-56页 |
| 第七章 总结与展望 | 第56-58页 |
| 7.1 论文总结 | 第56页 |
| 7.2 展望 | 第56-58页 |
| 参考文献 | 第58-61页 |
| 附录1 | 第61-64页 |
| 附录2 | 第64-71页 |
| 致谢 | 第71-72页 |
