基于灰度形态学重建的图像分割
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-11页 |
| 1.1 题目研究的背景和意义 | 第8-9页 |
| 1.2 国内外研究趋势 | 第9-11页 |
| 1.2.1 数学形态学的研究趋势 | 第9-10页 |
| 1.2.2 图像分割的研究趋势 | 第10-11页 |
| 第2章 图像分割和数学形态学的相关知识 | 第11-23页 |
| 2.1 数字图像处理的相关知识 | 第11-12页 |
| 2.1.1 数字图像处理概述 | 第11页 |
| 2.1.2 数字图像处理技术的发展及应用 | 第11-12页 |
| 2.1.3 图像的分类及格式 | 第12页 |
| 2.2 图像分割的基础知识 | 第12-16页 |
| 2.2.1 图像分割的概述和定义 | 第12-13页 |
| 2.2.2 图像分割的分类 | 第13-16页 |
| 2.3 数学形态学基本原理 | 第16-19页 |
| 2.3.1 二值形态学 | 第16-17页 |
| 2.3.2 灰度形态学 | 第17-19页 |
| 2.4 形态学重建 | 第19-23页 |
| 2.4.1 灰度图像的计算 | 第19-21页 |
| 2.4.2 二值图像的重建 | 第21-23页 |
| 第3章 分水岭算法的基本原理 | 第23-29页 |
| 3.1 分水岭算法的基本原理 | 第23-25页 |
| 3.1.1 图像分割过程的描述 | 第23-24页 |
| 3.1.2 分水岭图像分割过程 | 第24-25页 |
| 3.2 分水岭算法的具体实现 | 第25-28页 |
| 3.2.1 分水岭造成过分割的原因 | 第25-27页 |
| 3.2.2 分水岭算法原理 | 第27-28页 |
| 3.3 本章小结 | 第28-29页 |
| 第4章 灰度形态学重建的应用及仿真 | 第29-39页 |
| 4.1 开重建的滤波 | 第29-31页 |
| 4.2 形态学重建与Top-hat结合 | 第31-33页 |
| 4.3 提取区域极大值 | 第33-35页 |
| 4.4 粘连颗粒的分离方法 | 第35-38页 |
| 4.5 本章小节 | 第38-39页 |
| 第5章 基于形态学重建和分水岭算法的颗粒分割 | 第39-56页 |
| 5.1 直方图均衡化 | 第39-44页 |
| 5.1.1 直方图均衡化处理 | 第39-41页 |
| 5.1.2 直方图均衡化的算法步骤 | 第41-44页 |
| 5.2 灰度图像的形态学重建 | 第44-45页 |
| 5.3 计算梯度图像 | 第45-48页 |
| 5.3.1 边界检测的数学基础 | 第45-47页 |
| 5.3.2 图像梯度信息的提取 | 第47-48页 |
| 5.4 梯度图像的预处理 | 第48-52页 |
| 5.4.1 标记区域极大值 | 第49页 |
| 5.4.2 图像的二值化处理 | 第49-50页 |
| 5.4.3 颗粒的分割 | 第50-52页 |
| 5.5 分水岭变换 | 第52页 |
| 5.6 实验对比与分析 | 第52-55页 |
| 5.7 本章小结 | 第55-56页 |
| 第6章 总结与展望 | 第56-57页 |
| 参考文献 | 第57-63页 |
| 致谢 | 第63-64页 |
| 附录A 个人公开发表的论文 | 第64页 |
