基于人工免疫原理的图像边缘检测算法研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第1章 绪论 | 第7-12页 |
| 1.1 课题的研究背景及意义 | 第7-8页 |
| 1.2 图像边缘检测 | 第8-10页 |
| 1.2.1 图像边缘的定义 | 第8页 |
| 1.2.2 边缘检测的研究现状及发展 | 第8-10页 |
| 1.3 人工免疫原理的应用 | 第10页 |
| 1.4 论文的研究内容和章节的安排 | 第10-12页 |
| 第2章 图像边缘检测方法的研究 | 第12-17页 |
| 2.1 灰度图像边缘检测算法 | 第12-16页 |
| 2.1.1 基于梯度的图像边缘检测 | 第12-13页 |
| 2.1.2 基于二阶微分的图像边缘检测 | 第13-14页 |
| 2.1.3 其他几种边缘检测方法 | 第14-16页 |
| 2.2 本章小结 | 第16-17页 |
| 第3章 人工免疫基本原理 | 第17-23页 |
| 3.1 生物免疫系统主要功能 | 第17-20页 |
| 3.1.1 免疫细胞 | 第17-18页 |
| 3.1.2 免疫识别 | 第18页 |
| 3.1.3 自体耐受 | 第18-19页 |
| 3.1.4 免疫应答 | 第19页 |
| 3.1.5 免疫反馈 | 第19-20页 |
| 3.1.6 免疫记忆 | 第20页 |
| 3.2 常见人工免疫算法 | 第20-22页 |
| 3.2.1 阴性选择算法 | 第20-21页 |
| 3.2.2 克隆选择算法 | 第21-22页 |
| 3.3 本章小结 | 第22-23页 |
| 第4章 基于人工免疫原理的图像边缘检测 | 第23-38页 |
| 4.1 引言 | 第23-24页 |
| 4.2 特征值因子 | 第24-26页 |
| 4.3 阳性选择算法 | 第26页 |
| 4.4 二进制编码特征值匹配规则 | 第26-27页 |
| 4.5 基于人工免疫网络模型的实值编码原理 | 第27-33页 |
| 4.5.1 ai NET基本原理 | 第27-29页 |
| 4.5.2 层次聚类与分类技术 | 第29-30页 |
| 4.5.3 最小生成树 | 第30-31页 |
| 4.5.4 人工免疫网络训练集原理 | 第31-33页 |
| 4.6 自适应检测器生成过程 | 第33-34页 |
| 4.6.1 基于二进制编码的自适应检测器 | 第33页 |
| 4.6.2 基于实值编码的自适应检测器 | 第33-34页 |
| 4.7 基于人工免疫原理的图像边缘检测算法 | 第34-37页 |
| 4.7.1 基于二进制编码的图像边缘检测算法 | 第34-35页 |
| 4.7.2 基于实值编码的图像边缘检测算法 | 第35-37页 |
| 4.8 本章小结 | 第37-38页 |
| 第5章 实验与分析 | 第38-44页 |
| 5.1 原始无噪声图像边缘检测 | 第38-40页 |
| 5.2 带噪声图像边缘检测 | 第40-43页 |
| 5.3 本章小结 | 第43-44页 |
| 第6章 总结与展望 | 第44-46页 |
| 6.1 全文总结 | 第44页 |
| 6.2 展望 | 第44-46页 |
| 致谢 | 第46-47页 |
| 参考文献 | 第47-50页 |
| 攻读学位期间的研究成果 | 第50页 |
