山 东 大 学 硕 士 学 位 论 文：图像边缘检测算法的研究本 文 分 为 七 个 部 分 。第一部分首先阐述了课题的研究背景、意义以 及该领域的发展现状；第二部分介绍了几种经典的边缘检测方法，给出 了这些方法的图像边缘检测结果，并且进行了相关的分析比较；第三部 分阐述了BP 神经网络的结构以及数学模型等相关知识；第四部分具体 介绍了一种新的基于统计向量和BP 神经网络的边缘检测方法；第五部 分介绍了一种有效的边缘细化算法，它可以对新方法得到的图像边缘进 一步处理以达到

提出一种新的显着性检测方法，通过将区域级显着性估计和像素级显着性预测与CNN（表示为CRPSD）相结合。对于像素级显着性预测，通过修改VGGNet体系结构来执行完全卷积神经网络（称为像素级CNN）以执行多尺度特征学习，基于该学习进行图像到图像预测以完成像素级显着性检测。对于区域级显着性估计，首先设计基于自适应超像素的区域生成技术以将图像分割成区域，基于该区域通过使用CNN模型（称为区域级CNN）来估计区域级显着性。通过使用另一CNN（称为融合CNN）融合像素级和区域级显着性以形成nal显着图，并