| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第1章 绪论 | 第11-15页 |
| 1.1 图像边缘检测的研究意义 | 第11-12页 |
| 1.2 边缘检测的研究现状 | 第12-13页 |
| 1.3 本文研究内容和组织结构 | 第13-15页 |
| 第2章 灰阶图像边缘检测基本原理和方法 | 第15-24页 |
| 2.1 图像边缘类型和特征 | 第15-16页 |
| 2.2 传统的基于灰阶微分的边缘检测方法 | 第16-21页 |
| 2.3 传统的基于微分的边缘检测方法对比 | 第21-23页 |
| 2.3.1 无噪声图像边缘检测对比实验 | 第21-22页 |
| 2.3.2 Gaussian噪声图像检测对比实验 | 第22-23页 |
| 2.4 本章小节 | 第23-24页 |
| 第3章 数学形态学和Otsu算法 | 第24-31页 |
| 3.1 二值形态学 | 第24-26页 |
| 3.2 灰阶形态学 | 第26-28页 |
| 3.3 形态学边缘检测算子 | 第28-29页 |
| 3.4 Otsu算法 | 第29-30页 |
| 3.5 本章小节 | 第30-31页 |
| 第4章 改进的基于形态学梯度的边缘检测算法 | 第31-38页 |
| 4.1 算法 | 第31-34页 |
| 4.2 实验结果及分析 | 第34-37页 |
| 4.2.1 Gaussian噪声图像的边缘检测结果及分析 | 第34-35页 |
| 4.2.2 椒盐噪声图像的边缘检测结果及分析 | 第35-37页 |
| 4.3 本章小节 | 第37-38页 |
| 第5章 改进的基于多方向的边缘检测算法 | 第38-47页 |
| 5.1 结构元素分析对比 | 第38-40页 |
| 5.1.1 多尺度结构元素 | 第38-39页 |
| 5.1.2 多方向结构元素 | 第39-40页 |
| 5.2 改进的基于多方向的边缘检测算法 | 第40-46页 |
| 5.2.1 算法 | 第42-44页 |
| 5.2.2 实验结果及分析 | 第44-46页 |
| 5.3 本章小节 | 第46-47页 |
| 第6章 改进的基于多尺度多方向和模糊增强的边缘检测算法 | 第47-57页 |
| 6.1 改进的基于多尺度多方向的边缘检测算法 | 第47-50页 |
| 6.1.1 算法 | 第47-48页 |
| 6.1.2 实验结果及分析 | 第48-50页 |
| 6.2 基于模糊增强的边缘检测算法 | 第50-55页 |
| 6.2.1 Pal.king模糊增强算法 | 第50-52页 |
| 6.2.2 改进的基于模糊增强的检测算法 | 第52-55页 |
| 6.3 本章小节 | 第55-57页 |
| 第7章 本文算法在彩色图像中的应用 | 第57-66页 |
| 7.1 传统的彩色图像边缘检测方法 | 第57-59页 |
| 7.2 改进的边缘检测算法在彩色图像中的应用 | 第59-61页 |
| 7.3 自适应颜色通道图像合成算法 | 第61-63页 |
| 7.4 基于模糊增强的边缘检测算法在彩色图像中的应用 | 第63-65页 |
| 7.5 本章小节 | 第65-66页 |
| 第8章 总结与展望 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71-72页 |
| 攻读学位期间发表的学术论文目录 | 第72-73页 |
| 学位论文评阅及答辩情况表 | 第73页 |
