| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 引言 | 第11-12页 |
| 1.2 边缘检测相关概念 | 第12-13页 |
| 1.3 边缘检测的一般步骤 | 第13-14页 |
| 1.4 边缘检测算法的研究现状 | 第14-15页 |
| 1.5 三维边缘检测算法的研究现状 | 第15-16页 |
| 1.6 本文的内容安排 | 第16-18页 |
| 第2章 边缘检测算法综述 | 第18-36页 |
| 2.1 基于梯度的边缘检测算子 | 第19-24页 |
| 2.1.1 Roberts算子 | 第19-20页 |
| 2.1.2 Prewitt算子 | 第20-21页 |
| 2.1.3 Sobel算子 | 第21-22页 |
| 2.1.4 方向算子 | 第22-23页 |
| 2.1.5 基于梯度的边缘检测算子小结 | 第23-24页 |
| 2.2 基于零交叉的边缘检测算子 | 第24-30页 |
| 2.2.1 拉普拉斯算子 | 第24-25页 |
| 2.2.2 LoG算子 | 第25-27页 |
| 2.2.3 Haralick的Facet模型 | 第27-29页 |
| 2.2.4 基于零交叉的边缘检测算子小结 | 第29-30页 |
| 2.3 Canny算子及Canny准则 | 第30-33页 |
| 2.3.1 边缘检测的Canny准则 | 第30页 |
| 2.3.2 Canny算子步骤 | 第30-33页 |
| 2.4 其他边缘检测算法 | 第33-36页 |
| 2.4.1 模糊数学在边缘检测中的应用 | 第33页 |
| 2.4.2 数学形态学在边缘检测中的应用 | 第33-34页 |
| 2.4.3 基于统计分析的边缘检测算法 | 第34页 |
| 2.4.4 基于曲面拟合的边缘检测算法 | 第34页 |
| 2.4.5 小波变换在边缘检测中的应用 | 第34-35页 |
| 2.4.6 遗传算法在边缘检测中的应用 | 第35页 |
| 2.4.7 基于神经网络的边缘检测算法 | 第35-36页 |
| 第3章 基于边缘曲线连通性的边缘检测与追踪策略 | 第36-63页 |
| 3.1 引言 | 第36-37页 |
| 3.2 算法的基本原理 | 第37-39页 |
| 3.2.1 二维数字图像的规则网格模型 | 第37-38页 |
| 3.2.2 连续边界线与传统边缘点的关系 | 第38-39页 |
| 3.3 算法的框架 | 第39页 |
| 3.4 算法的实现 | 第39-44页 |
| 3.4.1 强边缘网格的检测 | 第39-40页 |
| 3.4.2 根据连通性追踪未检测出的边缘网格 | 第40-41页 |
| 3.4.3 相交边的判定及离散边缘点的确定 | 第41-42页 |
| 3.4.4 幻影边缘的判定和消除 | 第42-43页 |
| 3.4.5 算法流程图 | 第43-44页 |
| 3.5 实验结果与分析 | 第44-49页 |
| 3.5.1 实验处理的过程 | 第44-46页 |
| 3.5.2 不同高阈值下的实验结果 | 第46-49页 |
| 3.6 算法的比较与评价 | 第49-63页 |
| 3.6.1 边缘检测器性能的比较方法 | 第49-50页 |
| 3.6.2 仿真实验 | 第50-55页 |
| 3.6.3 连续性、光滑性、细化程度比较 | 第55-56页 |
| 3.6.4 边缘的定位比较 | 第56-57页 |
| 3.6.5 噪声因素 | 第57-61页 |
| 3.6.6 时间复杂度 | 第61-63页 |
| 第4章 三维图像中基于边缘曲面连通性的边缘检测与追踪策略 | 第63-73页 |
| 4.1 引言 | 第63-64页 |
| 4.2 算法原理 | 第64-69页 |
| 4.2.1 阶梯型边缘曲面模型 | 第64-65页 |
| 4.2.2 三维离散拉普拉斯算子 | 第65-66页 |
| 4.2.3 边缘曲面追踪策略 | 第66-67页 |
| 4.2.4 检测边缘立方体 | 第67页 |
| 4.2.5 确定种子立方体 | 第67-68页 |
| 4.2.6 追踪边缘立方体 | 第68-69页 |
| 4.2.7 边缘曲面的绘制 | 第69页 |
| 4.3 实验结果分析 | 第69-73页 |
| 4.3.1 部分实验结果 | 第69-71页 |
| 4.3.2 实验结果中有关参量统计比较 | 第71-73页 |
| 第5章 工作总结与展望 | 第73-75页 |
| 参考文献 | 第75-81页 |
| 致谢 | 第81-82页 |
| 攻读硕士学位期间发表的学术论文 | 第82页 |