| 摘要 | 第1-7页 |
| ABSTRACT | 第7-13页 |
| 1 绪论 | 第13-17页 |
| ·课题背景和研究意义 | 第13-14页 |
| ·纤维图像识别的研究现状 | 第14-15页 |
| ·本文的研究目标、内容和创新点 | 第15-16页 |
| ·研究目标 | 第15页 |
| ·研究内容 | 第15页 |
| ·本文的创新点 | 第15-16页 |
| ·本文章节安排 | 第16页 |
| ·小结 | 第16-17页 |
| 2 纤维自动识别系统综述 | 第17-25页 |
| ·纤维自动识别系统 | 第17-22页 |
| ·系统概述 | 第17页 |
| ·纤维图像采集 | 第17-18页 |
| ·纤维图像预处理 | 第18-19页 |
| ·纤维图像分割 | 第19页 |
| ·纤维图像特征提取 | 第19-21页 |
| ·纤维识别 | 第21-22页 |
| ·纤维分割的重要性及其挑战 | 第22-24页 |
| ·纤维分割的重要性 | 第22-23页 |
| ·纤维图像分割中的困难和挑战 | 第23-24页 |
| ·小结 | 第24-25页 |
| 3 纤维图像分割算法综述 | 第25-36页 |
| ·图像分割的概念 | 第25-26页 |
| ·纤维图像分割基本方法 | 第26-35页 |
| ·基于边缘检测的分割方法 | 第26-29页 |
| ·阈值分割方法 | 第29-32页 |
| ·基于区域的分割方法 | 第32-33页 |
| ·聚类分割算法 | 第33-34页 |
| ·其他分割方法 | 第34-35页 |
| ·小结 | 第35-36页 |
| 4 Snake模型在纤维图像分割中的应用 | 第36-49页 |
| ·传统Snake模型原理及优缺点 | 第36-41页 |
| ·传统Snake模型的原理 | 第36-39页 |
| ·传统Snake模型用于纤维图像分割的优缺点 | 第39-41页 |
| ·GVF Snake模型用于纤维图像分割 | 第41-45页 |
| ·GVF Snake模型的原理 | 第41-43页 |
| ·GVF Snake模型的用于纤维图像分割的优点 | 第43-45页 |
| ·GVF Snake模型用于纤维图像分割的难点 | 第45-48页 |
| ·力场迭代次数、初始轮廓线逼近次数与时间的关系 | 第46-47页 |
| ·初始轮廓线设定位置的研究 | 第47-48页 |
| ·小结 | 第48-49页 |
| 5 融合聚类算法和GVF Snake模型的纤维图像分割方法 | 第49-62页 |
| ·本方法的总体过程 | 第49-50页 |
| ·纤维图像预处理 | 第50-53页 |
| ·GVF Snake模型中初始轮廓线的确定 | 第53-56页 |
| ·聚类分割算法 | 第53-54页 |
| ·GVF Snake模型初始轮廓线确定 | 第54-56页 |
| ·去毛刺 | 第56-59页 |
| ·实验结果分析 | 第59-61页 |
| ·轮廓线的连续性 | 第60页 |
| ·轮廓提取的准确度 | 第60-61页 |
| ·小结 | 第61-62页 |
| 6 结论与展望 | 第62-63页 |
| ·课题研究工作总结 | 第62页 |
| ·研究课题展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士学位期间发表的学术论文 | 第67-68页 |
| 致谢 | 第68页 |