基于深度学习的图像边缘检测算法研究开题报告

1. 研究目的与意义（文献综述）

1.1 研究目的及意义

当代，随着信息技术的快速发展，人们的生活节奏以及接受信息的速度也都在快速地进步，接受信息的方式也多种多样，例如文字、语音、图像等，而人们在接受外部信息时，80%来自视觉信息，所以在视觉领域中对视频图像等进行处理，并提取其中的重要信息是很重要的。

2. 研究的基本内容与方案

2.1本文基本内容及安排

本文首先会对传统的边缘检测微分算子方法进行理论分析，包括roberts、canny等方法，在此基础上进行分析比较，总结传统微分算子优缺点。 之后会对基于深度学习的边缘检测技术进行说明，并拟采用整体嵌套(hed)^[13]的边缘检测方法来改善边缘检测效果。

最后会搭建tensorflow和opencv环境对自然图像数据集进行训练，实现对自然图像的边缘检测，并与传统方法进行对比,总结其优缺点并验证适用性。

3. 研究计划与安排

（1）第1－4周：查阅相关文献资料，明确研究内容，了解研究所需理论基础。确定方案，完成开题报告。

（2）第5－6周：熟悉掌握基本理论，完成英文资料的翻译，熟悉相关工具软件的使用。

（3）第7－9周：搭建tensorflow和opencv的环境，构建边缘检测网络。

4. 参考文献（12篇以上）

[1]李娅娅,李志洁,郑海旭,王存睿.图像边缘检测算法的比较与实现[j].计算机工程与设计,2010,31(09):1971-1975.[2]bengio y. deep learning of representations: looking forward[c]//international conference on statistical language and speech processing. springer, berlin, heidelberg, 2013: 1-37.

[3]silver d, huang a, maddison c j, et al. mastering the game of go with deep neural networks and tree search[j]. nature, 2016, 529(7587): 484.

[4]段瑞玲,李庆祥,李玉和.图像边缘检测方法研究综述[j].光学技术,2005(03):415-419.