| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-13页 |
| ·图像和图像边缘检测的概况 | 第9页 |
| ·图像边缘检测的发展趋势 | 第9-10页 |
| ·蚁群算法的概况 | 第10页 |
| ·本文的创新点 | 第10-11页 |
| ·VS2013和Opencv的相关介绍 | 第11页 |
| ·本文论述的结构 | 第11-13页 |
| 第二章 图像边缘检测的常用方法 | 第13-21页 |
| ·图像边缘检测的一阶微分算子 | 第13-15页 |
| ·图像边缘检测的二阶微分算子 | 第15-16页 |
| ·Canny算子以及其改进算法简介 | 第16-21页 |
| ·canny准则和canny算子 | 第16-18页 |
| ·关于canny边缘检测的参数自适应调节的方法简介 | 第18-21页 |
| 第三章 蚁群算法的基本原理和发展 | 第21-35页 |
| ·蚁群算法的基本原理 | 第21-24页 |
| ·蚁群算法的思路分析和特点 | 第24-25页 |
| ·基本蚁群算法的实现 | 第25-28页 |
| ·蚁群算法的发展和改进 | 第28-35页 |
| ·带精英策略的蚂蚁系统 | 第28-29页 |
| ·基于优化排序的蚂蚁系统 | 第29页 |
| ·最大-最小蚂蚁系统 | 第29-30页 |
| ·最优-最差蚂蚁系统 | 第30-31页 |
| ·蚁群系统 | 第31-32页 |
| ·改进算法和原始蚁群算法的比较 | 第32-35页 |
| 第四章 蚁群算法用于图像边缘检测常见问题的分析 | 第35-53页 |
| ·传统蚁群算法用于图像边缘检测的基本实现思路和方法 | 第35-39页 |
| ·蚁群算法用于图像边缘检测的思路 | 第35页 |
| ·传统蚁群算法用于图像边缘检测的具体步骤 | 第35-37页 |
| ·传统蚁群算法在图像边缘检测中结果的分析 | 第37-39页 |
| ·针对算法时间过长的算法改良--具有感知功能的蚁群算法 | 第39-43页 |
| ·SACO的基本思路 | 第39-40页 |
| ·SACO的具体实现步骤 | 第40-42页 |
| ·SACO的仿真结果和性能分析 | 第42-43页 |
| ·基于改进蚁群算法的图像边缘检测 | 第43-53页 |
| ·初始搜索点的选择 | 第44-45页 |
| ·迭代搜索点的选择方法 | 第45-47页 |
| ·最大最小蚁群系统下的信息素更新 | 第47页 |
| ·搜索终止条件 | 第47-48页 |
| ·边缘标记 | 第48页 |
| ·系统流程 | 第48-49页 |
| ·对算法优缺点及局限性的分析 | 第49页 |
| ·实验的参数分析和性能分析 | 第49-53页 |
| 第五章 总结与展望 | 第53-55页 |
| ·总结 | 第53-54页 |
| ·展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-61页 |
| 攻读学位期间学术成果及参与项目 | 第61页 |
