| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 课题来源 | 第8页 |
| 1.2 研究背景 | 第8-9页 |
| 1.3 边缘检测发展与应用 | 第9-11页 |
| 1.4 激光图像边缘检测现状与存在的问题 | 第11页 |
| 1.5 本文研究内容与工作安排 | 第11-13页 |
| 第二章 传统边缘检测技术的研究与分析 | 第13-21页 |
| 2.1 基于梯度和基于拉普拉斯的边缘检测 | 第13-14页 |
| 2.2 Sobel算子 | 第14-15页 |
| 2.3 Roberts算子 | 第15-16页 |
| 2.4 Prewitt算子 | 第16页 |
| 2.5 LOG算子 | 第16-17页 |
| 2.6 Canny算子 | 第17-20页 |
| 2.7 本章小结 | 第20-21页 |
| 第三章 深度学习应用于边缘检测技术的研究 | 第21-36页 |
| 3.1 深度学习与深度神经网络 | 第21-30页 |
| 3.1.1 卷积神经网络 | 第24-26页 |
| 3.1.2 深度信念网络 | 第26-28页 |
| 3.1.3 堆栈自编码网络 | 第28-30页 |
| 3.2 深度学习应用于边缘检测技术的研究 | 第30-34页 |
| 3.2.1 整体嵌套网络边缘检测方法 | 第30-33页 |
| 3.2.2 全卷积编码器-解码器网络边缘检测方法 | 第33-34页 |
| 3.2.3 松弛深度监督下的卷积神经网络边缘检测方法 | 第34页 |
| 3.3 本章小结 | 第34-36页 |
| 第四章 激光图像边缘检测研究 | 第36-39页 |
| 4.1 激光图像 | 第36-37页 |
| 4.2 激光图像边缘检测 | 第37-38页 |
| 4.3 本章小结 | 第38-39页 |
| 第五章 实验验证及分析 | 第39-51页 |
| 5.1 传统微分算子与HED方法的实现 | 第39-42页 |
| 5.2 实验结果与分析 | 第42-50页 |
| 5.3 本章小结 | 第50-51页 |
| 第六章 总结与展望 | 第51-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 附录 | 第58页 |