| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 1 绪论 | 第9-15页 |
| ·细胞神经网络的产生与发展 | 第9-11页 |
| ·CNN 图像处理中的应用 | 第11-12页 |
| ·本文研究的学术和应用意义 | 第12-13页 |
| ·本文的创新点与文章组织结构 | 第13-15页 |
| 2 CNN 的基本结构分析及在图像处理中的应用 | 第15-25页 |
| ·CNN 的基本结构与数学模型 | 第15-19页 |
| ·CNN 的稳定性分析 | 第19-23页 |
| ·CNN 在图像处理应用中的基本思想 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 3 CNN 在边缘提取中的应用 | 第25-35页 |
| ·边缘提取的基本理论 | 第25-27页 |
| ·概述 | 第25-26页 |
| ·边缘检测原理 | 第26-27页 |
| ·边缘提取性能评价标准 | 第27页 |
| ·经典边缘检测算子 | 第27-29页 |
| ·Sobel 算子 | 第27-28页 |
| ·Prewitt 算子 | 第28-29页 |
| ·CNN 在灰度图像边缘提取的应用 | 第29-34页 |
| ·引言 | 第29页 |
| ·基于 PSO 的模板训练法 | 第29-31页 |
| ·基于 LMI (linear matrix inequality)训练模板法 | 第31-34页 |
| ·本章小结 | 第34-35页 |
| 4 彩色图像边缘检测 | 第35-52页 |
| ·色彩模型 | 第35-38页 |
| ·典型颜色空间 | 第35-37页 |
| ·颜色空间色差度量 | 第37-38页 |
| ·基于 CNN 的彩色图像处理 | 第38-42页 |
| ·多层 CNN 模型 | 第38-39页 |
| ·阈值函数 | 第39-40页 |
| ·最小彩色差函数 | 第40-42页 |
| ·自适应模板设计 | 第42-51页 |
| ·算法设计 | 第42-46页 |
| ·实验结果 | 第46-51页 |
| ·本章小结 | 第51-52页 |
| 5 总结与展望 | 第52-54页 |
| ·本文工作总结 | 第52-53页 |
| ·后续工作及展望 | 第53-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 附录 | 第58页 |
| A 攻读硕士学位期间发表的论文 | 第58页 |
| B 攻读硕士学位期间参加的科研项目情况 | 第58页 |