| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 第一章 引言 | 第6-10页 |
| 1.1 课题研究的背景及其意义 | 第6-8页 |
| 1.2 论文研究思路及研究内容 | 第8页 |
| 1.3 论文的组织结构 | 第8-10页 |
| 第二章 原木检测技术及其相关技术分析 | 第10-16页 |
| 2.1 常见原木检测技术 | 第10-11页 |
| 2.2 计算机视觉检测及其相关技术 | 第11-15页 |
| 2.2.1 图像处理技术的发展概况 | 第11-12页 |
| 2.2.2 模式识别技术的发展概况 | 第12-13页 |
| 2.2.3 计算机视觉的发展与应用 | 第13-14页 |
| 2.2.4 计算机视觉在原木材积检测中的应用 | 第14-15页 |
| 2.3 本章小结 | 第15-16页 |
| 第三章 原木材积自动检测系统分析与设计 | 第16-22页 |
| 3.1 原木检尺径的测量标准和方法 | 第16-19页 |
| 3.1.1 原木检尺径的测量标准 | 第16-18页 |
| 3.1.2 原木检尺方法简介 | 第18-19页 |
| 3.2 自动检测系统的结构模型设计 | 第19-21页 |
| 3.3 本章小结 | 第21-22页 |
| 第四章 图像预处理模块的设计 | 第22-35页 |
| 4.1 图像灰度转换 | 第22-23页 |
| 4.2 图像预处理的方法 | 第23-33页 |
| 4.2.1 图像平滑算法的设计 | 第23-28页 |
| 4.2.1.1 多种平滑算法比较分析 | 第24-25页 |
| 4.2.1.2 传统的梯度倒数加权平滑算法 | 第25-26页 |
| 4.2.1.3 改进型梯度倒数加权平滑算法的设计 | 第26-28页 |
| 4.2.2 基于多尺度小波变换边缘检测改进算法的设计 | 第28-33页 |
| 4.2.2.1 基于小波变换的边缘检测原理 | 第29-31页 |
| 4.2.2.2 小波函数和尺度参数的选择 | 第31页 |
| 4.2.2.3 算法的基本流程 | 第31-32页 |
| 4.2.2.4 实验效果及评价 | 第32-33页 |
| 4.3 本章小结 | 第33-35页 |
| 第五章 图像分割模块的分析与设计 | 第35-43页 |
| 5.1 一种基于分水岭的类圆分割优化算法的设计 | 第35-42页 |
| 5.1.1 分水岭算法的基本原理与数学表示 | 第35-36页 |
| 5.1.2 多种分水岭算法特性分析 | 第36-37页 |
| 5.1.2.1 Vincent 经典分水岭算法 | 第36-37页 |
| 5.1.2.2 常用分水岭图像分割算法分析 | 第37页 |
| 5.1.3 距离变换 | 第37-38页 |
| 5.1.4 阈值算法 | 第38-40页 |
| 5.1.5 改进的分水岭算法策略 | 第40-41页 |
| 5.1.6 实验结果分析 | 第41-42页 |
| 5.2 本章小结 | 第42-43页 |
| 第六章 图像分析模块的设计 | 第43-50页 |
| 6.1 Snake 模型概述 | 第43-45页 |
| 6.2 基于极坐标系的 Snake 模型算法的设计与实现 | 第45-49页 |
| 6.2.1 极坐标中的 Snake 模型 | 第45-46页 |
| 6.2.2 算法流程及其实现 | 第46-49页 |
| 6.3 本章小结 | 第49-50页 |
| 第七章 材积计算与误差分析 | 第50-53页 |
| 7.1 材积计算 | 第50-52页 |
| 7.2 误差分析 | 第52页 |
| 7.3 本章小结 | 第52-53页 |
| 结论 | 第53-55页 |
| 参考文献 | 第55-58页 |
| 致谢 | 第58-59页 |
| 个人简历、在校期间的研究成果及发表的学术论文 | 第59页 |