| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 引言 | 第10-15页 |
| ·本次课题研究背景和目的 | 第10-11页 |
| ·边缘检测技术的发展 | 第11-13页 |
| ·本论文研究的内容概述和相关安排 | 第13-14页 |
| ·本章小结 | 第14-15页 |
| 第二章 边缘和边缘检测 | 第15-29页 |
| ·图像边缘与分类 | 第15-17页 |
| ·边缘检测方法描述 | 第17-22页 |
| ·Roberts 边缘检测算子 | 第17-18页 |
| ·Prewitt 边缘检测算子 | 第18-19页 |
| ·Sobel 边缘检测算子 | 第19-20页 |
| ·Kirsch 边缘检测算子 | 第20页 |
| ·LOG 边缘检测算子 | 第20-22页 |
| ·各种算子边沿检测结果对比 | 第22-25页 |
| ·关于边缘检测算法的性能评估 | 第25-27页 |
| ·边缘连续性 | 第25页 |
| ·边缘光滑性 | 第25-26页 |
| ·边缘细化程度 | 第26页 |
| ·边缘的定位 | 第26-27页 |
| ·抗噪性 | 第27页 |
| ·时间复杂度 | 第27页 |
| ·本章小结 | 第27-29页 |
| 第三章 神经网络 | 第29-37页 |
| ·神经网络 | 第29-32页 |
| ·神经网络的基本原理 | 第29-30页 |
| ·神经网络的基本结构 | 第30-32页 |
| ·神经网络的学习过程与训练过程 | 第32-33页 |
| ·神经网络在边缘检测中的应用情况 | 第33-36页 |
| ·神经网络权值的初始化过程 | 第33-34页 |
| ·关于神经网络学习算法 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 第四章 神经网络用于图像边缘检测 | 第37-47页 |
| ·图像边缘特征提取过程 | 第37-39页 |
| ·神经网络的构造 | 第39-45页 |
| ·确定神经网络的结构 | 第39页 |
| ·关于训练样本如何进行选择和处理 | 第39-40页 |
| ·网络训练目标的确定 | 第40页 |
| ·如何进行网络参数初始值的选取 | 第40页 |
| ·选择激励函数 | 第40页 |
| ·选取隐含层数及其隐节点数 | 第40-45页 |
| ·神经网络学习及应用流程 | 第45-46页 |
| ·神经网络训练学习流程 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第五章 神经网络用于图像边缘检测的实现 | 第47-76页 |
| ·建立在神经网络基础上的图像边缘检测算法 | 第47-48页 |
| ·LENA 标准图像检测结果 | 第48-53页 |
| ·高斯白噪声 LENA 图像及其边缘检测结果 | 第53-57页 |
| ·不同阈值下对 LENA 标准图像 WNN 边缘检测结果 | 第57-59页 |
| ·WNN 检测其它图像 | 第59-60页 |
| ·训练时间对比 | 第60-61页 |
| ·定量评价 | 第61-66页 |
| ·定性评价 | 第66-74页 |
| ·本章小结 | 第74-76页 |
| 第六章 总结与展望 | 第76-78页 |
| 致谢 | 第78-79页 |
| 参考文献 | 第79-84页 |