| 中文摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-13页 |
| 1.1 课题的研究背景和意义 | 第7页 |
| 1.2 边缘检测的基本概念 | 第7-9页 |
| 1.3 边缘检测算法的发展现状与趋势 | 第9-11页 |
| 1.4 论文的选题意义 | 第11-12页 |
| 1.5 论文章节安排 | 第12-13页 |
| 第二章 经典的图像边缘检测方法 | 第13-23页 |
| 2.1 边缘检测算法的基本思想 | 第13-14页 |
| 2.2 几种经典的边缘检测算子概述 | 第14-21页 |
| 2.2.1 Roberts算子 | 第14页 |
| 2.2.2 Prewitt算子 | 第14-15页 |
| 2.2.3 Sobel算子 | 第15-16页 |
| 2.2.4 Kirsch算子 | 第16-17页 |
| 2.2.5 Laplace算子 | 第17-18页 |
| 2.2.6 Log算子 | 第18-19页 |
| 2.2.7 Canny算子 | 第19-21页 |
| 2.3 实验结果和分析 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 图像去噪 | 第23-28页 |
| 3.1 引言 | 第23页 |
| 3.2 传统图像去噪的方法 | 第23-25页 |
| 3.2.1 均值滤波 | 第23-24页 |
| 3.2.2 中值滤波 | 第24页 |
| 3.2.3 自适应维纳滤波 | 第24-25页 |
| 3.2.4 高斯滤波 | 第25页 |
| 3.3 二维图像DCT变换去噪法 | 第25-27页 |
| 3.4 本章小结 | 第27-28页 |
| 第四章 基于DCT变换的Canny边缘检测算法 | 第28-35页 |
| 4.1 基于DCT变换的Canny边缘检测算法 | 第28-33页 |
| 4.1.1 一种改进的图像平滑方法 | 第28-29页 |
| 4.1.2 采用 3×3 的Sobel边缘算子计算图像梯度 | 第29-30页 |
| 4.1.3 对梯度图像进行非极大值抑制 | 第30-31页 |
| 4.1.4 双阈值处理和边缘连接 | 第31-33页 |
| 4.2 基于DCT变换的Canny边缘检测算法流程 | 第33-34页 |
| 4.3 本章小结 | 第34-35页 |
| 第五章 实验结果对比与分析 | 第35-39页 |
| 5.1 测试结果与分析 | 第35-38页 |
| 5.1.1 主观实验结果图 | 第35-36页 |
| 5.1.2 客观评价指标 | 第36-38页 |
| 5.2 本章小结 | 第38-39页 |
| 第六章 总结与展望 | 第39-41页 |
| 6.1 总结 | 第39-40页 |
| 6.2 展望 | 第40-41页 |
| 参考文献 | 第41-44页 |
| 在学期间的研究成果 | 第44-45页 |
| 致谢 | 第45页 |