| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 绪论 | 第9-15页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状及发展趋势 | 第10-12页 |
| 1.3 论文创新点 | 第12-13页 |
| 1.4 论文的组织结构 | 第13-15页 |
| 2 基于区域的图像分割的基本理论 | 第15-33页 |
| 2.1 图像分割的概述 | 第15-16页 |
| 2.1.1 图像分割的定义 | 第15页 |
| 2.1.2 图像分割的分类 | 第15-16页 |
| 2.2 图像分割方法 | 第16-28页 |
| 2.2.1 基于边缘的分割方法 | 第16-18页 |
| 2.2.2 基于区域的分割方法 | 第18-24页 |
| 2.2.3 基于数学形态学的分割方法 | 第24-28页 |
| 2.3 颜色空间 | 第28-30页 |
| 2.3.1 RGB颜色空间 | 第29页 |
| 2.3.2 HSV颜色空间 | 第29-30页 |
| 2.3.3 颜色空间转换 | 第30页 |
| 2.4 本章小结 | 第30-33页 |
| 3 基于平均方差和邻域信息的改进型二维Otsu算法 | 第33-43页 |
| 3.1 二维Otsu算法及其快速递推算法 | 第33-36页 |
| 3.1.1 二维Otsu算法 | 第33-34页 |
| 3.1.2 二维Otsu法的快速递推算法 | 第34-36页 |
| 3.2 基于平均方差和邻域信息的改进型二维Otsu算法 | 第36-39页 |
| 3.2.1 二维直方图邻域的构建 | 第36-37页 |
| 3.2.2 基于平均方差的阈值选取函数 | 第37-39页 |
| 3.3 实验结果及分析 | 第39-41页 |
| 3.4 本章小结 | 第41-43页 |
| 4 多尺度滤波和自适应标记提取的分水岭新算法? | 第43-53页 |
| 4.1 分水岭算法 | 第43-45页 |
| 4.1.1 分水岭算法的思想 | 第43页 |
| 4.1.2 分水岭的定义 | 第43-44页 |
| 4.1.3 分水岭算法的实验 | 第44-45页 |
| 4.2 多尺度滤波和自适应标记提取的分水岭新算法 | 第45-48页 |
| 4.2.1 颜色空间的选取 | 第46页 |
| 4.2.2 多尺度滤波 | 第46-47页 |
| 4.2.3 彩色图像的梯度 | 第47-48页 |
| 4.2.4 标记提取 | 第48页 |
| 4.3 实验结果及分析 | 第48-50页 |
| 4.4 本章小结 | 第50-53页 |
| 5 改进梯度和自适应标记提取的分水岭新算法 | 第53-63页 |
| 5.2 基于形态学梯度重构和标记提取的分水岭算法 | 第53页 |
| 5.3 改进梯度和自适应标记提取的分水岭新算法 | 第53-58页 |
| 5.3.1 彩色图像的梯度计算 | 第54-56页 |
| 5.3.2 标记提取 | 第56-58页 |
| 5.3.2.1 提取标记图像 | 第56-57页 |
| 5.3.2.2 自适应h-minima变换 | 第57-58页 |
| 5.4 实验结果与分析 | 第58-61页 |
| 5.5 本章小结 | 第61-63页 |
| 6 总结与展望 | 第63-65页 |
| 6.1 总结 | 第63-64页 |
| 6.2 展望 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 作者简介 | 第69-71页 |
| 学位论文数据集 | 第71页 |