| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第1章 绪论 | 第9-15页 |
| ·课题的研究背景及其意义 | 第9-10页 |
| ·数字图像边缘检测算法存在的问题 | 第10-11页 |
| ·数字图像边缘检测算法的发展与研究现状 | 第11-14页 |
| ·本文的主要工作 | 第14-15页 |
| 第2章 数字图像边缘检测的理论基础 | 第15-31页 |
| ·基础知识 | 第15-19页 |
| ·数字图像的采样与量化 | 第15-16页 |
| ·边缘的数学描述 | 第16-17页 |
| ·数字图像增强 | 第17-19页 |
| ·数字图像边缘检测的经典方法 | 第19-27页 |
| ·一阶算子法 | 第20-23页 |
| ·二阶算子法 | 第23-25页 |
| ·Canny算子法 | 第25-26页 |
| ·经典边缘检测算法总结 | 第26-27页 |
| ·数字图像边缘检测算法的性能评估 | 第27-29页 |
| ·边缘连续性 | 第27页 |
| ·边缘光滑性 | 第27页 |
| ·边缘细化程度 | 第27-28页 |
| ·边缘的定位 | 第28页 |
| ·抗噪性 | 第28-29页 |
| ·时间复杂度 | 第29页 |
| ·本章小结 | 第29-31页 |
| 第3章 基于特征向量和BP神经网络的边缘检测算法改进 | 第31-57页 |
| ·BP神经网络基础知识 | 第31-33页 |
| ·BP神经网络 | 第31-32页 |
| ·BP学习算法 | 第32-33页 |
| ·基于特征向量和BP神经网络的边缘检测算法改进 | 第33-38页 |
| ·特征向量的提取 | 第34-37页 |
| ·神经网络用于边缘检测 | 第37-38页 |
| ·仿真实验及结果分析 | 第38-56页 |
| ·特征向量提取和神经网络训练 | 第40-43页 |
| ·改进方法的性能评价 | 第43-56页 |
| ·本章小结 | 第56-57页 |
| 第4章 PSO提高边缘检测算法实现的可靠性 | 第57-67页 |
| ·PSO算法介绍 | 第57-61页 |
| ·基本PSO算法原理 | 第58-59页 |
| ·带惯性权重的PSO算法 | 第59-60页 |
| ·PSO算法步骤 | 第60-61页 |
| ·PSO算法用于BP神经网络边缘检测 | 第61-63页 |
| ·仿真实验及结果分析 | 第63-65页 |
| ·本章小结 | 第65-67页 |
| 第5章 总结与展望 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73页 |