基于遗传神经网络的图像边缘检测
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-15页 |
| ·本文研究背景及意义 | 第9-10页 |
| ·边缘检测技术的发展 | 第10-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·论文的结构安排 | 第13-14页 |
| ·本章小结 | 第14-15页 |
| 第2章 图像边缘检测理论 | 第15-24页 |
| ·边缘检测的基本概念 | 第15-16页 |
| ·常见的边缘检测方法 | 第16-21页 |
| ·Roberts算子 | 第16-17页 |
| ·Sobel算子 | 第17-18页 |
| ·Prewitt算子 | 第18页 |
| ·高斯-拉普拉斯算子 | 第18-19页 |
| ·Canny算子 | 第19-20页 |
| ·数学形态学检测算子 | 第20-21页 |
| ·Kirsch算子 | 第21页 |
| ·边缘检测方法分析比较 | 第21-23页 |
| ·边缘检测的发展趋势 | 第23页 |
| ·本章小结 | 第23-24页 |
| 第3章 神经网络和遗传算法 | 第24-39页 |
| ·神经网络 | 第24-31页 |
| ·神经元模型 | 第25页 |
| ·神经网络的学习 | 第25-26页 |
| ·BP神经网络 | 第26-29页 |
| ·神经网络的缺陷和需要改进的地方 | 第29-30页 |
| ·神经网络在边缘检测中的应用 | 第30-31页 |
| ·训练样本的选取 | 第30-31页 |
| ·隐含节点的确定 | 第31页 |
| ·遗传算法 | 第31-38页 |
| ·遗传算法的主要操作 | 第32-35页 |
| ·遗传算法的流程 | 第35-37页 |
| ·遗传算法存在的问题 | 第37-38页 |
| ·遗传算法和神经网络的结合 | 第38页 |
| ·本章小结 | 第38-39页 |
| 第4章 遗传神经网络在图像边缘检测中的应用 | 第39-55页 |
| ·神经网络算法的边缘检测 | 第39-44页 |
| ·网络参数确定 | 第39-41页 |
| ·训练样本的确定 | 第41-42页 |
| ·权值的修改 | 第42-43页 |
| ·算法的结果 | 第43-44页 |
| ·遗传算法优化神经网络 | 第44-51页 |
| ·权值编码 | 第45-46页 |
| ·适应度函数确定 | 第46-47页 |
| ·遗传操作 | 第47-50页 |
| ·改进自适应调整交叉和变异概率 | 第48-50页 |
| ·遗传神经网络模型 | 第50-51页 |
| ·遗传神经网络的人脸边缘检测 | 第51-54页 |
| ·边缘检测结果 | 第51-53页 |
| ·评价 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 第5章 总结与展望 | 第55-57页 |
| ·总结 | 第55页 |
| ·展望 | 第55-57页 |
| 参考文献 | 第57-60页 |
| 致谢 | 第60-61页 |
| 攻读硕士学位期间发表论文及参加科研项目情况 | 第61页 |
