| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-14页 |
| ·课题背景 | 第9页 |
| ·边缘检测研究现状 | 第9-11页 |
| ·边缘检测基本应用 | 第11-12页 |
| ·边缘检测的要求 | 第12页 |
| ·论文的主要内容 | 第12-14页 |
| 第二章 基于 CNN 的灰度图像边缘检测算法 | 第14-30页 |
| ·边缘检测基本内容 | 第14-18页 |
| ·边缘检测基本原理 | 第14-15页 |
| ·经典边缘检测算子 | 第15-18页 |
| ·细胞神经网络模型和 PSO 算法 | 第18-21页 |
| ·细胞神经网络模型 | 第18-20页 |
| ·PSO 优化算法原理 | 第20-21页 |
| ·基于 CNN 和 PSO 算法的灰度图像边缘检测 | 第21-26页 |
| ·基于 CNN 和 PSO 的灰度图像边缘检测算法流程 | 第21页 |
| ·CNN 模板参数的设计 | 第21-24页 |
| ·基于 PSO 算法的模板参数优化 | 第24-26页 |
| ·仿真结果对比和分析 | 第26-29页 |
| ·二值图像边缘检测结果对比和分析 | 第26-28页 |
| ·灰度图像边缘检测结果对比和分析 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 基于 CNN 的 Lab 彩色图像边缘检测算法 | 第30-40页 |
| ·颜色空间 | 第30-33页 |
| ·经典颜色空间 | 第30-32页 |
| ·颜色空间色差度量 | 第32-33页 |
| ·彩色图像边缘检测算法 | 第33-34页 |
| ·合成法 | 第33页 |
| ·矢量法 | 第33-34页 |
| ·基于 CNN 的 Lab 彩色图像边缘检测 | 第34-37页 |
| ·基于 CNN 的 Lab 彩色图像边缘检测算法流程 | 第34页 |
| ·亮度通道边缘检测 | 第34页 |
| ·色度通道边缘检测 | 第34-36页 |
| ·图像融合 | 第36-37页 |
| ·仿真结果对比和分析 | 第37-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 基于边缘检测的交通视频分割算法 | 第40-54页 |
| ·视频分割技术 | 第40页 |
| ·经典视频分割算法 | 第40-45页 |
| ·光流分割法 | 第41-42页 |
| ·背景减法 | 第42-43页 |
| ·帧差法 | 第43-44页 |
| ·算法分析和比较 | 第44-45页 |
| ·基于自适应阈值的三帧差分和边缘检测的交通视频分割算法 | 第45-51页 |
| ·算法流程 | 第45-46页 |
| ·时域分割 | 第46-49页 |
| ·边缘检测 | 第49-50页 |
| ·视频对象提取 | 第50-51页 |
| ·仿真结果和分析 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 第五章 总结与展望 | 第54-56页 |
| ·工作总结 | 第54页 |
| ·课题展望 | 第54-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 攻读硕士学位期间已发表的论文 | 第60页 |
