文摘
英文文摘
声明
第1章 绪论
1.1 研究背景
1.1.1 图像边缘检测技术简介
1.1.2 机器学习技术简介
1.2 图像边缘检测的研究现状和研究意义
1.2.1 图像边缘检测的研究现状
1.2.2 图像边缘检测的研究意义
1.3 课题来源及本文的内容安排
1.3.1 课题来源
1.3.2 本文的内容安排
第2章 基于有监督学习图像处理的方法与原理
2.1 计算机视觉计算框架的引入
2.1.1 计算机视觉的经典问题
2.1.2 计算机视觉系统
2.1.3 计算机视觉计算框架
2.2 有监督学习
2.3 图像特征提取技术
2.3.1 图像特征的种类
2.3.2 几种图像特征提取算法
2.4 分类器训练算法
第3章 基于中层视觉信息改进的边缘检测算法
3.1 多尺度多方向上的边缘检测算子
3.1.1 自然图像中边缘的类型
3.1.2 选择合适的滤波器算子
3.1.3 多尺度多方向的滤波器算子
3.2 边缘的精简和连接
3.2.1 利用图像的先验知识精简边缘
3.2.2 利用完形心理学理论连接边缘
3.3 实验结果
3.4 本章小结
第4章 基于机器学习的边缘检测算法研究
4.1 训练数据样本的创建
4.2 特征选择
4.2.1 Harr特征
4.2.2 梯度直方图(HoG)特征
4.3 基于增强法(boosting)和决策树的强分类器的训练
4.3.1 基于AdaBoost算法分类器的训练
4.3.2 基于改进AdaBoost算法的分类器的训练
4.4 实验结果
4.5 本章小结
第5章 边缘检测应用研究
5.1 基于中层视觉信息边缘检测算法的图像线描系统
5.1.1 自然图像的艺术渲染技术
5.1.2 线描渲染的过程
5.1.3 线描系统的结果
5.2 基于机器学习边缘检测算法的目标轮廓提取
5.3 本章小结
结 论
参考文献
攻读硕士学位期间发表的论文
致 谢