基于神经网络的工业CT图像边缘提取的算法研究
| 中文摘要 | 第1-6页 |
| 英文摘要 | 第6-10页 |
| 1 绪论 | 第10-16页 |
| ·神经网络的发展概况 | 第10-12页 |
| ·神经网络的历史 | 第10-11页 |
| ·神经网络的发展 | 第11-12页 |
| ·课题研究的目的和意义 | 第12-13页 |
| ·课题研究的现状 | 第13-14页 |
| ·课题研究的主要内容 | 第14-16页 |
| 2 神经网络的基础理论 | 第16-30页 |
| ·引言 | 第16页 |
| ·神经网络的特点 | 第16-18页 |
| ·神经元模型 | 第18-21页 |
| ·MP模型 | 第18-19页 |
| ·一般神经元模型 | 第19-21页 |
| ·网络结构 | 第21-23页 |
| ·单层前馈网络 | 第22页 |
| ·多层前馈网络 | 第22-23页 |
| ·递归网络 | 第23页 |
| ·学习算法 | 第23-27页 |
| ·误差修正学习 | 第24-25页 |
| ·基于记忆的学习 | 第25-26页 |
| ·Hebb学习 | 第26页 |
| ·竞争学习 | 第26-27页 |
| ·学习范例 | 第27-30页 |
| ·有教师学习 | 第27-28页 |
| ·无教师学习 | 第28-30页 |
| 3 神经网络在边缘检测中的应用 | 第30-46页 |
| ·引言 | 第30页 |
| ·基于遗传BP算法的边缘提取 | 第30-39页 |
| ·BP网络结构 | 第30-31页 |
| ·遗传BP算法 | 第31-33页 |
| ·教师信号的获得(Facet模型) | 第33-34页 |
| ·灰度图像的边缘提取 | 第34页 |
| ·实验结果及讨论 | 第34-39页 |
| ·基于CP网络的边缘提取 | 第39-42页 |
| ·基于细胞神经网络的边缘提取 | 第42-44页 |
| ·细胞神经网络(CNN) | 第42-43页 |
| ·灰度边缘提取 | 第43-44页 |
| ·实验结果及讨论 | 第44页 |
| ·小结和讨论 | 第44-46页 |
| 4 基于改进的BP算法的工业CT图像边缘提取 | 第46-51页 |
| ·引言 | 第46页 |
| ·改进的BP算法 | 第46-47页 |
| ·BP网络边缘提取 | 第47-48页 |
| ·训练样本的构造 | 第47-48页 |
| ·灰度图像边缘提取 | 第48页 |
| ·实验结果及小结 | 第48-51页 |
| 5 基于CNN的工业CT体数据的边缘面的提取 | 第51-63页 |
| ·引言 | 第51页 |
| ·基于两组CNN的工业CT图像边缘提取 | 第51-57页 |
| ·用于边缘提取的CNN | 第52-54页 |
| ·两组CNN的图像分割方法 | 第54页 |
| ·实验结果及小结 | 第54-57页 |
| ·工业CT体数据边缘面提取算法 | 第57-59页 |
| ·实验结果及小结 | 第59-63页 |
| 6 结论与展望 | 第63-64页 |
| ·研究工作总结 | 第63页 |
| ·今后的研究方向 | 第63-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 附录 | 第68-69页 |
