6.2 基於灰關聯噪聲自適應判別的路面圖像去噪算法
6.2.1 基於灰色**關聯度的圖像濾波算法
6.2.2 改進算法的思想
6.2.3 改進算法的步驟
6.2.4 改進算法的結果及其分析
6.3 基於灰熵的路面圖像加權均值濾波算法
6.3.1 算法的思想和實現機理
6.3.2 算法的實現步驟
6.3.3 算法的結果及其分析
6.4 基於灰熵噪聲判別的路面圖像開關中值濾波算法
6.4.1 算法的思想
6.4.2 算法的步驟
6.4.3 算法的結果及分析
6.5 基於灰色預測模型的路面圖像復合濾波算法
6.5.1 基於GM(1，1)模型的非線性濾波器
6.5.2 改進算法的思想
6.5.3 算法的具體步驟
6.5.4 算法的實現結果及其分析
6.6 小結
第7章 基於灰色繫統理論的路面圖像邊緣檢測算法
7.1 基於灰色關聯分析的路面圖像邊緣檢測算法
7.1.1 傳統的基於灰色關聯度的圖像邊緣檢測算法
7.1.2 改進算法的思想
7.1.3 改進算法的步驟
7.1.4 改進算法的結果及其分析
7.2 基於灰關聯熵閾值選取的路面圖像邊緣檢測算法
7.2.1 算法的思想
7.2.2 算法的步驟
7.2.3 算法結果及其分析
7.3 基於局部紋理分析與灰熵判別的路面圖像邊緣檢測算法
7.3.1 算法的主要思想
7.3.2 算法的步驟
7.3.3 算法的結果及其分析
7.4 基於GM(1，1，C)的路面圖像邊緣檢測算法
7.4.1 算法的思想
7.4.2 算法的具體實現步驟
7.4.3 算法的實現結果及其分析
7.5 不同灰色預測模型在路面圖像邊緣檢測中的應用與比較分析
7.5.1 算法的思想
7.5.2 算法的步驟和過程
7.5.3 算法的結果及其分析
7.6 小結
第8章 基於灰色繫統理論的路面圖像增強算法
8.1 基於灰色關聯分析的路面圖像局部對比度增強算法
8.1.1 傳統的圖像對比度增強算法
8.1.2 基於模糊對比度的圖像增強算法
8.1.3 基於簡化模糊對比度的圖像增強算法
8.1.4 改進算法的思想
8.1.5 改進算法的步驟
8.1.6 改進算法的優點及其結果分析