| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-16页 |
| ·图像测量技术概述 | 第8页 |
| ·图像边缘检测基本概念 | 第8-9页 |
| ·图像边缘检测方法的研究现状 | 第9-13页 |
| ·论文的选题意义与主要工作 | 第13页 |
| ·论文内容安排 | 第13-16页 |
| 第二章 经典的图像边缘检测方法 | 第16-26页 |
| ·边缘检测的基本方法 | 第16-17页 |
| ·一些经典的边缘检测算子 | 第17-23页 |
| ·Roberts边缘检测算子 | 第17页 |
| ·Sobel边缘检测算子 | 第17-18页 |
| ·Prewitt边缘检测算子 | 第18-20页 |
| ·Robinson边缘检测算子 | 第20页 |
| ·Kirsch边缘检测算子 | 第20-21页 |
| ·Laplace边缘检测算子 | 第21-22页 |
| ·LOG边缘检测算子 | 第22-23页 |
| ·几种经典边缘检测方法的实验结果及比较 | 第23-26页 |
| 第三章 Canny准则及Canny边缘检测算法 | 第26-36页 |
| ·Canny准则 | 第26-30页 |
| ·边缘检测的Canny准则 | 第26-29页 |
| ·Canny准则下最优边缘检测滤波器的求解 | 第29-30页 |
| ·传统Canny边缘检测算法 | 第30-36页 |
| ·高斯滤波平滑图像 | 第30-31页 |
| ·计算梯度的幅值和方向 | 第31-32页 |
| ·对梯度的幅值进行非极大值抑制 | 第32-33页 |
| ·双阈值处理和边缘连接 | 第33-36页 |
| 第四章 Canny自适应边缘检测方法 | 第36-54页 |
| ·传统Canny算法存在的缺陷 | 第36页 |
| ·基于各向异性扩散的非线性滤波方法 | 第36-44页 |
| ·线性扩散 | 第36-38页 |
| ·Perona-Malik模型 | 第38-40页 |
| ·正则化Perona_Malik模型 | 第40-41页 |
| ·正则化Perona_Malik模型的数值实现 | 第41-44页 |
| ·一种改进的梯度计算方法 | 第44-46页 |
| ·自适应Canny阈值方法 | 第46-51页 |
| ·图像梯度分类概率模型的建立 | 第46-48页 |
| ·参数估计与数值求解方法 | 第48-51页 |
| ·边缘跟踪 | 第51页 |
| ·边缘细化 | 第51-54页 |
| 第五章 算法的实现与实验结果分析 | 第54-60页 |
| ·算法实现的简单说明 | 第54-56页 |
| ·平滑图像 | 第54页 |
| ·计算梯度的幅值和方向 | 第54页 |
| ·对梯度幅值进行非极大值抑制 | 第54页 |
| ·双阈值检测和边缘连接 | 第54-55页 |
| ·自适应Canny边缘检测算法流程 | 第55-56页 |
| ·实验结果与分析 | 第56-60页 |
| ·图像梯度计算方法的选择 | 第56页 |
| ·阈值的选择对实验结果的影响 | 第56-57页 |
| ·传统Canny算法和本文改进算法实验结果对比分析 | 第57-60页 |
| 第六章 结论与展望 | 第60-62页 |
| ·结论 | 第60-61页 |
| ·展望 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 攻读硕士学位期间发表的学术论文 | 第66-68页 |
| 致谢 | 第68页 |