边缘检测方法在憎水性图像分析中的应用研究

论文摘要

本文主要对憎水性图像分析的边缘检测方法进行研究,在分析憎水性图像特性基础上,首先提出了基于GAP统计模型和模糊数学理论的憎水性图像边缘检测算法,该方法能够有效地分割水珠、水迹形状信息,较好解决水珠图像的阴影对面一侧由于水珠透明性造成的边界部分缺失问题,有效获取水珠/水迹信息。提出了基于有效平均隶属度的绝缘子憎水性图像边缘检测算法,该方法能更好的区分亮点阴影与水珠的真正边缘,水珠/水迹边缘获取和去噪能力均有了很大改善,对绝缘子憎水性检测具有一定的应用前景。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题研究的背景和意义
• 1.2 国内外研究现状
• 1.3 本文主要工作与章节安排
• 第二章 憎水性图像等级评价方法分析
• 2.1 水珠图像特征分析
• 2.2 边缘检测算法
• 2.2.1 差分边缘检测
• 2.2.2 Roberts算子
• 2.2.3 Sobel算子
• 2.2.4 Prewitt算子
• 2.2.5 拉普拉斯算子
• 2.3 本章小结
• 第三章 憎水性图像分级与评析
• 3.1 憎水性图像的获取
• 3.2 憎水性图像分级
• 3.3 最大水珠或水迹的形状因子
• 3.4 最大水珠或水迹与整幅图像的面积比
• c的联合计算'>3.5 K与f_c的联合计算
• 3.6 本章小结
• 第四章 基于GAP统计模型和模糊理论的憎水性图像边缘检测算法
• 4.1 引言
• 4.2 GAP统计模型
• 4.2.1 GAP一般定义
• 4.2.2 分布GAP算子
• 4.3 边缘隶属度函数的建立
• 4.4 图像边缘检测模型
• 4.5 实验结果及分析
• 4.6 本章小结
• 第五章 基于有效平均隶属度的憎水性图像边缘检测算法
• 5.1 引言
• 5.2 基于有效平均隶属度的图像边缘检测算法
• 5.2.1 基于梯度的方向性隶属度分量
• 5.2.2 有效平均隶属度模型
• 5.2.2.1 有效平均隶属度EAM定义
• 5.2.2.2 EAM（D）～D曲线与高低端剪切函数
• 5.2.2.3 特征提取范围
• 5.3 实验结果与分析
• 5.4 本章小结
• 第六章 总结与展望
• 参考文献
• 致谢
• 在学期间发表论文和参加科研情况