基于图像处理的棒材自适应计数方法研究
| 摘要 | 第1-7页 |
| Abstract | 第7-9页 |
| 目录 | 第9-13页 |
| 第1章 绪论 | 第13-19页 |
| ·棒材自动计数的课题背景 | 第13-14页 |
| ·棒材自动计数的研究现状 | 第14-15页 |
| ·目前课题存在的主要问题 | 第15-16页 |
| ·本文的主要工作及内容安排 | 第16页 |
| ·主要创新点 | 第16-19页 |
| 第2章 棒材图像采集及预处理 | 第19-25页 |
| ·引言 | 第19页 |
| ·棒材图像采集及分析 | 第19-21页 |
| ·棒材图像采集 | 第19页 |
| ·原始棒材图像分析 | 第19-21页 |
| ·常用的图像预处理方法 | 第21-24页 |
| ·图像文件的格式转换 | 第21页 |
| ·彩色图像灰度化 | 第21-22页 |
| ·平滑处理 | 第22-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 棒材图像分割 | 第25-41页 |
| ·引言 | 第25页 |
| ·图像分割算法 | 第25-30页 |
| ·图像分割的定义 | 第25-26页 |
| ·常用的图像分割算法 | 第26-30页 |
| ·纹理特征提取方法 | 第30-33页 |
| ·纹理特征提取方法的发展 | 第30页 |
| ·LBP 算法 | 第30-31页 |
| ·LBP 算子的均匀模式 | 第31-33页 |
| ·LBP 算子在特征提取中的应用 | 第33页 |
| ·基于 LBP 和区域竞争的棒材纹理分割 | 第33-37页 |
| ·灰度图像的区域竞争 | 第34页 |
| ·基于 LBP 和区域竞争的纹理分割 | 第34-37页 |
| ·棒材图像背景分离实验 | 第37-39页 |
| ·本章小结 | 第39-41页 |
| 第4章 棒材识别与点支 | 第41-53页 |
| ·引言 | 第41页 |
| ·图像识别技术 | 第41-44页 |
| ·基于匹配的识别技术 | 第41-42页 |
| ·统计模式识别 | 第42-43页 |
| ·人工神经网络识别方法 | 第43-44页 |
| ·棒材识别算法 | 第44-47页 |
| ·基于模板匹配的识别算法 | 第44-46页 |
| ·基于神经网络的识别方法 | 第46-47页 |
| ·基于面积模板匹配的识别算法 | 第47-52页 |
| ·棒材识别与点支实验 | 第49-51页 |
| ·实验结果分析 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 第5章 结论 | 第53-55页 |
| 1 对本文研究的总结 | 第53-54页 |
| 2 对未来工作的展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 攻读学位期间发表的学术论文 | 第59-61页 |
| 致谢 | 第61-62页 |
| 详细中文摘要 | 第62-64页 |
| 详细英文摘要 | 第64-66页 |
