| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 引言 | 第7-10页 |
| 1.1 研究背景和意义 | 第7页 |
| 1.2 发展现状 | 第7-8页 |
| 1.3 论文的组织结构 | 第8-10页 |
| 第二章 灰度图像的边缘检测 | 第10-21页 |
| 2.1 梯度算子 | 第10-13页 |
| 2.1.1 Roberts 算子 | 第11-12页 |
| 2.1.2 Prewitt 算子 | 第12页 |
| 2.1.3 Sobel 算子 | 第12-13页 |
| 2.2 方向算子 | 第13-15页 |
| 2.3 Canny 算子 | 第15-16页 |
| 2.4 拉普拉斯算子 | 第16-17页 |
| 2.5 Log 算子 | 第17页 |
| 2.6 不同类型算子的检测结果对比 | 第17-18页 |
| 2.7 其他方法 | 第18-19页 |
| 2.7.1 Hough 变换(HT)算法 | 第18-19页 |
| 2.7.2 基于小波的算法 | 第19页 |
| 2.7.3 其他算法 | 第19页 |
| 2.8 本节小结 | 第19-21页 |
| 第三章 颜色空间 | 第21-26页 |
| 3.1 颜色空间的介绍 | 第21页 |
| 3.2 几种有用的颜色空间 | 第21-24页 |
| 3.3 不同颜色空间之间的相互转换 | 第24-26页 |
| 第四章 彩色图像的边缘提取 | 第26-37页 |
| 4.1 背景知识 | 第26页 |
| 4.2 经典算子应用到颜色空间 | 第26-27页 |
| 4.3 基于不同颜色空间的标量化算法 | 第27-32页 |
| 4.3.1 一种基于 RGB 空间的彩色图像边缘检测算法 | 第27-29页 |
| 4.3.2 一种基于 Lab 空间的彩色图像边缘检测算法 | 第29-30页 |
| 4.3.3 一种基于 HSV 空间的彩色图像边缘检测算法 | 第30页 |
| 4.3.4 基于颜色空间变换的边缘检测算法 | 第30-32页 |
| 4.4 基于改进颜色模型的彩色图像边缘检测 | 第32页 |
| 4.5 非线性彩色图像边缘检测算法 | 第32-37页 |
| 4.5.1 基于模糊推理的彩色图像边缘检测 | 第32-33页 |
| 4.5.2 基于神经网络的边缘检测 | 第33-34页 |
| 4.5.3 基于数字形态学的彩色图像边缘检测 | 第34-35页 |
| 4.5.4 基于场论思想的彩色图像边缘检测 | 第35-37页 |
| 第五章 基于颜色三角形信息量的彩色图像边缘提取 | 第37-42页 |
| 5.1 颜色空间的选取 | 第37-38页 |
| 5.2 基于三角形面积的边缘检测思想 | 第38-39页 |
| 5.3 基于三角形面积的边缘检测步骤 | 第39-40页 |
| 5.4 边缘的进一步细化 | 第40页 |
| 5.5 实验结果 | 第40-42页 |
| 第六章 基于 CNN 和颜色三角形信息量的彩色图像边缘检测 | 第42-49页 |
| 6.1 细胞神经网络（CNN） | 第42-44页 |
| 6.2 CNN 用于图像边缘检测 | 第44-46页 |
| 6.3 基于 CNN 和颜色三角形信息量的彩色图像边缘检测的思想 | 第46-47页 |
| 6.4 检测步骤 | 第47页 |
| 6.5 实验结果 | 第47-49页 |
| 第七章 基于颜色梯形信息量的彩色图像边缘提取 | 第49-54页 |
| 7.1 基于直角梯形信息量的边缘检测思想 | 第49-51页 |
| 7.2 基于直角梯形信息量的边缘检测步骤 | 第51-52页 |
| 7.3 边缘细化 | 第52页 |
| 7.4 实验结果 | 第52-54页 |
| 第八章 总结和展望 | 第54-55页 |
| 8.1 工作总结 | 第54页 |
| 8.2 下一步工作展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 在校期间的研究成果及发表的学术论文 | 第59-60页 |
| 致谢 | 第60页 |
