摘要 | 第4-7页 |
ABSTRACT | 第7-10页 |
1 绪论 | 第14-26页 |
1.1 课题背景及来源 | 第14-17页 |
1.2 纸病检测技术及其研究现状 | 第17-19页 |
1.3 连通域标记算法的研究现状 | 第19-22页 |
1.4 物体基本形状特征值提取的研究现状 | 第22-23页 |
1.5 本文主要工作 | 第23-24页 |
1.6 论文的组织结构 | 第24-26页 |
2 连通域标记处理算法介绍 | 第26-44页 |
2.1 引言 | 第26页 |
2.2 图像的数字化处理 | 第26-29页 |
2.3 二值图像的连通域标记处理 | 第29-43页 |
2.3.1 像素间的邻接性与连通性 | 第30-32页 |
2.3.2 连通域标记的经典算法 | 第32-43页 |
2.4 本章内容小结 | 第43-44页 |
3 基于多行扫描的高效连通域标记算法研究 | 第44-68页 |
3.1 引言 | 第44-45页 |
3.2 同时扫描2行的连通域标记算法 | 第45-59页 |
3.2.1 同时扫描2 行的连通域标记处理的基本原理 | 第45-50页 |
3.2.2 实验结果与分析 | 第50-54页 |
3.2.3 讨论 | 第54-59页 |
3.3 同时扫描三行的连通域标记算法 | 第59-66页 |
3.3.1 同时扫描3 行的连通域标记处理方法 | 第59-63页 |
3.3.2 实验结果与分析 | 第63-65页 |
3.3.3 讨论 | 第65-66页 |
3.4 本章小结 | 第66-68页 |
4 扩展的连通域标记算法的研究 | 第68-83页 |
4.1 面向六边形像素图像的连通域标记算法 | 第68-78页 |
4.1.1 引言 | 第68-69页 |
4.1.2 六边形像素图像的连通域标记算法的基本原理 | 第69-75页 |
4.1.3 讨论 | 第75-77页 |
4.1.4 算法执行效率分析 | 第77-78页 |
4.2 面向三维二值图像的连通体标记处理算法的研究 | 第78-82页 |
4.2.1 三维二值图像连通体标记处理存在的问题 | 第78-79页 |
4.2.2 三维二值图像连通体标记处理的特点 | 第79页 |
4.2.3 所提算法的基本原理 | 第79-80页 |
4.2.4 所提算法的性能分析 | 第80-82页 |
4.3 本章小结 | 第82-83页 |
5 二值图像物体基本形状特征值提取算法的研究 | 第83-109页 |
5.1 引言 | 第83-84页 |
5.2 物体形状特征值的定义 | 第84-86页 |
5.3 基于连通域标记处理的欧拉数计算算法 | 第86-96页 |
5.3.1 基本算法介绍 | 第87-89页 |
5.3.2 所提算法的基本原理 | 第89-91页 |
5.3.3 实验结果 | 第91-93页 |
5.3.4 讨论 | 第93-96页 |
5.4 在连通域标记处理的同时完成形状特征值计算的方法 | 第96-108页 |
5.4.1 基于2 次扫描的连通域标记算法实现物体基本形状特征值提取 | 第97-100页 |
5.4.2 基于CT标记算法的基本形状特征值的计算方法 | 第100页 |
5.4.3 所提算法的基本原理 | 第100-103页 |
5.4.4 实验结果 | 第103-107页 |
5.4.5 讨论 | 第107-108页 |
5.5 本章小结 | 第108-109页 |
6 基于连通域标记处理的纸病检测算法研究 | 第109-119页 |
6.1 引言 | 第109-110页 |
6.2 相关工作 | 第110-114页 |
6.2.1 适用于纸病检测的连通域标记处理算法 | 第110-112页 |
6.2.2 统计形状特征值计算所需的中间参数 | 第112-114页 |
6.3 基于连通域标记处理的纸病检测算法 | 第114-116页 |
6.3.1 基于灰度图像的连通域标记处理 | 第114-115页 |
6.3.2 统计纸病区域形状特征值的中间信息参数 | 第115页 |
6.3.3 纸病识别 | 第115-116页 |
6.4 实验仿真与分析 | 第116-118页 |
6.4.1 实验仿真结果 | 第116-117页 |
6.4.2 算法效率分析 | 第117-118页 |
6.5 本章小结 | 第118-119页 |
7 结论与展望 | 第119-121页 |
7.1 结论 | 第119-120页 |
7.2 创新点 | 第120页 |
7.3 未来工作展望 | 第120-121页 |
致谢 | 第121-122页 |
参考文献 | 第122-131页 |
附录 | 第131-132页 |
攻读学位期间的成果 | 第132-135页 |