基于信息熵和神经网络的彩色图像边缘检测研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-13页 |
| ·引言 | 第9页 |
| ·边缘检测研究的背景和现状 | 第9-11页 |
| ·彩色图像边缘检测的研究目的和意义 | 第11-12页 |
| ·论文的主要工作和内容安排 | 第12-13页 |
| 第二章 灰度图像边缘检测 | 第13-21页 |
| ·经典灰度图像边缘检测算子 | 第13-17页 |
| ·梯度算子 | 第13-15页 |
| ·高斯-拉普拉斯算子（LOG） | 第15-16页 |
| ·Canny 算子 | 第16-17页 |
| ·新兴边缘检测技术 | 第17-21页 |
| ·基于小波变换的边缘检测算法 | 第17-18页 |
| ·基于数学形态学的边缘检测方法 | 第18-19页 |
| ·基于模糊集合的边缘检测 | 第19-20页 |
| ·基于神经网络的边缘检测算法 | 第20-21页 |
| ·本章小结 | 第21页 |
| 第三章 彩色图像与彩色图像空间 | 第21-25页 |
| ·彩色图像 | 第21页 |
| ·颜色模型 | 第21-25页 |
| ·RGB 颜色空间 | 第22-23页 |
| ·HSI 颜色空间 | 第23-24页 |
| ·HSV 彩色模型 | 第24-25页 |
| ·YCbCr 彩色模型 | 第25页 |
| ·本章小结 | 第25页 |
| 第四章 图像信息量的度量 | 第25-31页 |
| ·色差定义 | 第26-27页 |
| ·RGB 颜色空间中的色差的定义 | 第26页 |
| ·HSI 颜色空间中的色差定义 | 第26-27页 |
| ·信息熵定义 | 第27-30页 |
| ·Renyi 熵 | 第27-28页 |
| ·离散信息熵 | 第28-29页 |
| ·Tsallis 熵 | 第29页 |
| ·模糊熵 | 第29-30页 |
| ·区域一致性测度定义 | 第30-31页 |
| ·本章小结 | 第31页 |
| 第五章 神经网络 | 第31-35页 |
| ·BP 神经网络 | 第31-32页 |
| ·自组织神经网络（SOM） | 第32-33页 |
| ·脉冲耦合神经网络（PCNN） | 第33-35页 |
| ·本章小结 | 第35页 |
| 第六章 应用信息熵和神经网络的彩色图像边缘检测 | 第35-45页 |
| ·引言 | 第35-38页 |
| ·基于特征向量和 BP 神经网络的边缘检测方法 | 第38-40页 |
| ·基于区域一致性测度的彩色图像边缘检测 | 第40-43页 |
| ·实验效果评价 | 第43-45页 |
| ·主观评价 | 第43页 |
| ·客观评价 | 第43-45页 |
| ·本章小结 | 第45页 |
| 第七章 结束语 | 第45-47页 |
| ·论文总结 | 第45-46页 |
| ·论文展望 | 第46-47页 |
| 参考文献 | 第47-51页 |
| 在校期间发表的学术论文 | 第51-52页 |
| 致谢 | 第52-53页 |
| 详细摘要 | 第53-57页 |
