| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-21页 |
| 1.1 课题研究背景及意义 | 第10-12页 |
| 1.2 图像分割技术研究现状 | 第12-16页 |
| 1.2.1 传统的图像分割方法 | 第12-14页 |
| 1.2.2 结合特定理论工具的分割方法 | 第14-16页 |
| 1.2.3 基于人工智能的图像分割方法 | 第16页 |
| 1.3 图像分割的评价方法 | 第16-19页 |
| 1.3.1 分析法 | 第17-18页 |
| 1.3.2 实验法 | 第18-19页 |
| 1.4 本文的主要工作及结构安排 | 第19-21页 |
| 第2章 图像直方图和熵阈值法 | 第21-32页 |
| 2.1 图像直方图 | 第21-26页 |
| 2.1.1 一维直方图 | 第21-23页 |
| 2.1.2 二维直方图 | 第23-26页 |
| 2.2 熵阈值法 | 第26-31页 |
| 2.2.1 Shannon熵 | 第26-28页 |
| 2.2.2 交叉熵阈值法 | 第28-30页 |
| 2.2.3 相对熵阈值法 | 第30-31页 |
| 2.3 本章小结 | 第31-32页 |
| 第3章 基于灰度-Ratio梯度二维直方图的分割方法 | 第32-45页 |
| 3.1 引言 | 第32-33页 |
| 3.2 灰度-Ratio梯度二维直方图 | 第33-35页 |
| 3.2.1 Ratio梯度 | 第33-34页 |
| 3.2.2 灰度-Ratio梯度二维直方图的构造 | 第34-35页 |
| 3.3 基于最小交叉熵的图像阈值分割 | 第35-37页 |
| 3.3.1 交叉熵 | 第35-36页 |
| 3.3.2 基于最小交叉熵的灰度-Ratio二维直方图阈值选择 | 第36-37页 |
| 3.4 实验结果及讨论 | 第37-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第4章 基于非局部均值二维直方图的分割方法 | 第45-57页 |
| 4.1 引言 | 第45-46页 |
| 4.2 非局部均值二维直方图 | 第46-48页 |
| 4.2.1 非局部均值滤波器 | 第46-47页 |
| 4.2.2 非局部均值直方图(NLMTDH)的构造 | 第47-48页 |
| 4.3 基于相对熵的图像阈值分割 | 第48-49页 |
| 4.3.1 相对熵 | 第48页 |
| 4.3.2 基于相对熵的NLMTDH阈值选择 | 第48-49页 |
| 4.4 实验结果及讨论 | 第49-56页 |
| 4.5 本章小结 | 第56-57页 |
| 结论 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第63-64页 |
| 致谢 | 第64页 |
