| 摘要 | 第2-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 结构检测研究现状 | 第11-15页 |
| 1.3 纹理滤波研究现状 | 第15-18页 |
| 1.4 论文的组织结构和工作安排 | 第18-20页 |
| 第二章 基于多尺度特征融合与机器学习的结构识别 | 第20-35页 |
| 2.1 结构纹理的辩证分析 | 第20页 |
| 2.2 结构纹理分类特征的设计和提取 | 第20-29页 |
| 2.2.1 多尺度内变分特征 | 第21-22页 |
| 2.2.2 多尺度区间梯度特征 | 第22-25页 |
| 2.2.3 多尺度Gabor环绕抑制特征 | 第25-27页 |
| 2.2.4 特征提取 | 第27-29页 |
| 2.3 基于机器学习的结构识别结果与分析 | 第29-34页 |
| 2.3.1 样本选择 | 第29-31页 |
| 2.3.2 各分类器的分类识别 | 第31-34页 |
| 2.4 本章小结 | 第34-35页 |
| 第三章 结合Canny边缘检测与结构识别的结构检测 | 第35-48页 |
| 3.1 多尺度Canny边缘检测 | 第36-37页 |
| 3.2 本文提出的精细结构检测方案 | 第37-44页 |
| 3.2.1 孤立点和毛刺剔除 | 第38-39页 |
| 3.2.2 断点连接 | 第39-41页 |
| 3.2.3 纹理边缘抑制 | 第41-42页 |
| 3.2.4 结构矫正 | 第42-44页 |
| 3.3 实验结果与分析 | 第44-47页 |
| 3.4 本章小结 | 第47-48页 |
| 第四章 结构引导下的三边纹理滤波算法及其应用 | 第48-60页 |
| 4.1 结构引导下的三边纹理滤波算法 | 第48-53页 |
| 4.1.1 三边纹理滤波过程 | 第48-49页 |
| 4.1.2 参数设置 | 第49-50页 |
| 4.1.3 实验结果与分析 | 第50-53页 |
| 4.2 基于纹理滤波的应用举例 | 第53-59页 |
| 4.2.1 图像的细节增强 | 第54-55页 |
| 4.2.2 图像的风格化 | 第55-56页 |
| 4.2.3 基于缝切割的图像尺寸调整 | 第56-58页 |
| 4.2.4 图像分割 | 第58-59页 |
| 4.3 本章小结 | 第59-60页 |
| 第五章 总结与展望 | 第60-62页 |
| 5.1 总结 | 第60-61页 |
| 5.2 展望 | 第61-62页 |
| 参考文献 | 第62-67页 |
| 攻读硕士期间研究成果 | 第67-68页 |
| 致谢 | 第68-69页 |