| 原创性声明 | 第3页 |
| 关于学位论文使用授权的声明 | 第3-6页 |
| 中文摘要 | 第6-8页 |
| ABSTRACT | 第8-10页 |
| 符号说明 | 第11-12页 |
| 第一章 绪论 | 第12-19页 |
| 1.1 课题的研究背景及意义 | 第12-13页 |
| 1.2 课题的发展现状 | 第13-17页 |
| 1.3 本文安排 | 第17-19页 |
| 第二章 经典的边缘检测方法 | 第19-33页 |
| 2.1 基于梯度的边缘检测算子 | 第19-21页 |
| 2.1.1 Roberts算子 | 第20页 |
| 2.1.2 Prewitt算子 | 第20-21页 |
| 2.1.3 Sobel算子 | 第21页 |
| 2.1.4 方向算子 | 第21页 |
| 2.2 拉普拉斯算子 | 第21-22页 |
| 2.3 LoG算子 | 第22-23页 |
| 2.4 Canny算子 | 第23-27页 |
| 2.5 沈俊边缘检测方法 | 第27页 |
| 2.6 曲面拟合法 | 第27-28页 |
| 2.7 几种经典边缘检测方法的检测结果 | 第28-33页 |
| 2.7.1 对Lena图像的边缘检测结果 | 第29页 |
| 2.7.2 对Lena加噪图像的边缘检测结果 | 第29-32页 |
| 2.7.3 结果比较 | 第32-33页 |
| 第三章 BP神经网络 | 第33-37页 |
| 3.1 BP神经网络的结构 | 第33-34页 |
| 3.2 BP神经网络的数学模型 | 第34-37页 |
| 第四章 一种新的基于统计向量和BP神经网络的边缘检测方法 | 第37-44页 |
| 4.1 构造统计向量 | 第37-41页 |
| 4.1.1 描述边缘特征的统计量 | 第37-39页 |
| 4.1.2 构造图像的统计向量 | 第39-41页 |
| 4.2 基于统计向量和BP神经网络的边缘检测方法 | 第41-44页 |
| 第五章 一种有效的边缘细化算法 | 第44-51页 |
| 第六章 实验结果与分析 | 第51-57页 |
| 6.1 人造图像的边缘检测 | 第51-53页 |
| 6.2 实际图像的边缘检测 | 第53-57页 |
| 6.2.1 人造图像训练BP神经网络 | 第53-54页 |
| 6.2.2 Lena图像训练BP神经网络 | 第54-57页 |
| 第七章 结束语 | 第57-58页 |
| 附图表 | 第58-59页 |
| 参考文献 | 第59-65页 |
| 致谢 | 第65-66页 |
| 攻读学位期间发表的学术论文 | 第66-67页 |
| 学位论文评阅及答辩情况表 | 第67页 |