| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 研究背景与意义 | 第8页 |
| 1.2 研究内容与现状 | 第8-11页 |
| 1.3 论文的主要内容与结构安排 | 第11-14页 |
| 1.3.1 主要内容 | 第11页 |
| 1.3.2 论文结构安排 | 第11-14页 |
| 第2章 图像边缘特征检测算法 | 第14-40页 |
| 2.1 数字图像的采样和量化 | 第14-15页 |
| 2.1.1 静态图像的采样和量化 | 第14页 |
| 2.1.2 动态图像的采样和量化 | 第14-15页 |
| 2.2 数字图像的基础处理 | 第15页 |
| 2.2.1 图像增强 | 第15页 |
| 2.2.2 图像的平滑 | 第15页 |
| 2.2.3 图像的锐化 | 第15页 |
| 2.3 数字图像的边缘检测技术 | 第15-35页 |
| 2.3.1 基本理论 | 第15-17页 |
| 2.3.2 图像边缘检测方法 | 第17-35页 |
| 2.4 其它边缘检测方法 | 第35-38页 |
| 2.4.1 Mallat小波边缘检测算子 | 第35-36页 |
| 2.4.2 基于模糊理论的边缘检测 | 第36-37页 |
| 2.4.3 基于遗传算法的图像边缘检测算法 | 第37-38页 |
| 2.4.4 基于数学形态学的边缘检测 | 第38页 |
| 2.5 本章小结 | 第38-40页 |
| 第3章 人工鱼群算法 | 第40-58页 |
| 3.1 基本人工鱼群算法 | 第41-47页 |
| 3.1.1 基本人工鱼群算法思想 | 第41-43页 |
| 3.1.2 人工鱼基本行为的算法描述 | 第43-45页 |
| 3.1.3 人工鱼群算法描述 | 第45-47页 |
| 3.2 基本人工鱼群算法参数分析 | 第47-51页 |
| 3.2.1 人工鱼种群规模对算法性能的影响 | 第47-48页 |
| 3.2.2 人工鱼群中视野参数和步长参数对算法性能的影响 | 第48-50页 |
| 3.2.3 人工鱼群中拥挤度因子参数对算法性能的影响 | 第50页 |
| 3.2.4 人工鱼群中尝试次数参数对算法性能的影响 | 第50-51页 |
| 3.3 基本人工鱼群算法在图像边缘检测中的应用 | 第51-56页 |
| 3.3.1 算法基本思想 | 第51-52页 |
| 3.3.2 算法基本流程 | 第52-53页 |
| 3.3.3 算法仿真实例 | 第53-56页 |
| 3.4 本章小结 | 第56-58页 |
| 第4章 改进的人工鱼群算法在图像边缘检测方法中的研究 | 第58-70页 |
| 4.1 改进的人工鱼群算法的图像边缘特征检测方法及其研究分析 | 第58-65页 |
| 4.1.1 改进算法分析 | 第58-59页 |
| 4.1.2 改进的算法流程 | 第59-60页 |
| 4.1.3 算法仿真实验 | 第60-65页 |
| 4.2 改进人工鱼群算法在敦煌藻井图案中的应用研究 | 第65-69页 |
| 4.2.1 敦煌藻井数字化研究 | 第65-66页 |
| 4.2.2 敦煌藻井纹样应用 | 第66-69页 |
| 4.3 本章小结 | 第69-70页 |
| 结论 | 第70-72页 |
| 参考文献 | 第72-78页 |
| 致谢 | 第78-80页 |
| 个人简历 | 第80页 |
