| 中文摘要 | 第2-3页 |
| Abstract | 第3页 |
| 中文文摘 | 第4-6页 |
| 目录 | 第6-8页 |
| 绪论 | 第8-14页 |
| 第一节 课题背景和研究意义 | 第8-9页 |
| 第二节 国内外研究现状 | 第9-11页 |
| 第三节 课题来源 | 第11页 |
| 第四节 论文的主要工作和章节结构 | 第11-14页 |
| 第一章 楼道走廊图像预处理 | 第14-24页 |
| 第一节 引言 | 第14页 |
| 第二节 楼道环境的独特性 | 第14-17页 |
| 第三节 图像去噪处理 | 第17-23页 |
| 第四节 本章小结 | 第23-24页 |
| 第二章 楼道图像增强算法 | 第24-32页 |
| 第一节 引言 | 第24-25页 |
| 第二节 直方图均衡化 | 第25-26页 |
| 第三节 数学形态学增强法和顶帽变换 | 第26-29页 |
| 第四节 本章小结 | 第29-32页 |
| 第三章 基于脉冲神经网络边缘梯度提取 | 第32-40页 |
| 第一节 引言 | 第32页 |
| 第二节 梯度法求边缘 | 第32-35页 |
| 第三节 改进的基于彩色图像的脉冲神经网络边缘梯度算法 | 第35-37页 |
| 第四节 实验结果比较 | 第37-39页 |
| 第五节 本章小结 | 第39-40页 |
| 第四章 楼道彩色图像模型的选取 | 第40-50页 |
| 第一节 引言 | 第40页 |
| 第二节 RGB模型 | 第40-42页 |
| 第三节 HSI模型 | 第42-45页 |
| 第四节 LAB模型 | 第45-46页 |
| 第五节 几种模型的比较 | 第46-47页 |
| 第六节 本章小结 | 第47-50页 |
| 第五章 楼道图像分割 | 第50-66页 |
| 第一节 引言 | 第50页 |
| 第二节 图像分割方法简述 | 第50-52页 |
| 第三节 梯度图的阈值分割 | 第52-56页 |
| 第四节 形态学分水岭算法 | 第56-57页 |
| 第五节 基于熵值和灰度值相似的区域合并准则 | 第57-58页 |
| 第六节 种子填充算法 | 第58-59页 |
| 第七节 边缘跟踪算法提取轮廓 | 第59页 |
| 第八节 实验结果分析 | 第59-64页 |
| 第九节 本章小结 | 第64-66页 |
| 第六章 结论 | 第66-70页 |
| 第一节 全文总结 | 第66-67页 |
| 第二节 工作展望 | 第67-70页 |
| 附录1 | 第70-72页 |
| 参考文献 | 第72-78页 |
| 攻读学位期间承担的科研任务与主要成果 | 第78-80页 |
| 致谢 | 第80-82页 |
| 个人简历 | 第82-83页 |