棉花收获机器人视觉系统的研究
图表清单 | 第1-8页 |
图片清单 | 第8-10页 |
摘要 | 第10-12页 |
Abstract | 第12-14页 |
第一章 绪论 | 第14-28页 |
·研究目的及意义 | 第14-20页 |
·国内外研究现状 | 第20-26页 |
·图像分割的研究现状 | 第20-25页 |
·利用颜色特征进行分割 | 第21-22页 |
·利用形状特征进行分割 | 第22-23页 |
·利用纹理特征进行分割 | 第23-24页 |
·利用光学特性进行分割 | 第24-25页 |
·立体视觉研究现状 | 第25-26页 |
·研究内容与方法 | 第26-28页 |
·研究内容 | 第26-27页 |
·研究方法 | 第27-28页 |
第二章 农田棉花颜色分析与识别 | 第28-58页 |
·图像的采集 | 第28-29页 |
·静态图像采集 | 第28页 |
·动态图像采集 | 第28-29页 |
·图像颜色分析 | 第29-39页 |
·色彩空间 | 第29-39页 |
·RGB颜色空间 | 第29-30页 |
·归一化rgb颜色空间 | 第30-31页 |
·HIS颜色空间 | 第31-32页 |
·YCrCb颜色空间 | 第32页 |
·I_1I_2I_3颜色空间 | 第32-33页 |
·L~*a~*b~*颜色空间 | 第33-39页 |
·基于色差的分割模型 | 第39-41页 |
·分割策略 | 第41-46页 |
·基于区域的分割方法 | 第42页 |
·基于灰度的分割方法 | 第42-43页 |
·基于边缘的分割方法 | 第43-46页 |
·图像后处理 | 第46-49页 |
·链编码 | 第46-49页 |
·基于BP神经网络的棉花识别 | 第49-55页 |
·神经网络 | 第49-50页 |
·神经元模型 | 第50-52页 |
·特征提取 | 第52-54页 |
·BP神经网络选择 | 第54-55页 |
·隐含层数和节点数的确定 | 第54-55页 |
·学习速率η和动量因子δ的确定 | 第55页 |
·实验 | 第55-56页 |
·本章小结 | 第56-58页 |
第三章 摄像机标定 | 第58-70页 |
·摄像机标定方法 | 第59页 |
·传统的标定技术 | 第59页 |
·自标定技术 | 第59页 |
·摄像机成像几何模型 | 第59-65页 |
·实验 | 第65-68页 |
·标定板 | 第65-66页 |
·实验数据 | 第66-68页 |
·图像纠正 | 第68-69页 |
·本章小结 | 第69-70页 |
第四章 双目立体视觉分析与设计 | 第70-78页 |
·双目立体视觉测量原理 | 第70-71页 |
·模型分析 | 第71-74页 |
·交向摆放方式 | 第71-73页 |
·正直摆放方式 | 第73-74页 |
·实验 | 第74-76页 |
·实验一:合理基线距离B的确定 | 第74-75页 |
·实验二:测量深度的确定 | 第75-76页 |
·本章小结 | 第76-78页 |
第五章 双目视觉的匹配 | 第78-86页 |
·匹配方法 | 第78-82页 |
·基于面积的匹配 | 第78-79页 |
·基于特征的匹配 | 第79-80页 |
·基于相位的匹配 | 第80-82页 |
·棉花定位中的匹配算法 | 第82页 |
·实验 | 第82-84页 |
·本章小结 | 第84-86页 |
第六章 因子图理论在图像处理中的应用 | 第86-100页 |
·图像的二维离散小波变换 | 第86-87页 |
·图像的隐Markov树模型(HMT) | 第87-88页 |
·因子图及其和积算法 | 第88-94页 |
·因子图 | 第89-91页 |
·和积算法 | 第91-93页 |
·基于因子图的系统模型 | 第93-94页 |
·基于因子图的Markov模型用于图像去噪 | 第94-98页 |
·图象去噪基本原理 | 第94-95页 |
·因子图建模 | 第95-97页 |
·图象去噪 | 第97-98页 |
·仿真实验结果及结论 | 第98-99页 |
·本章小结 | 第99-100页 |
第七章 结论与展望 | 第100-102页 |
·研究结论 | 第100页 |
·主要创新内容 | 第100-101页 |
·可以进一步研究的问题 | 第101-102页 |
参考文献 | 第102-113页 |
博士期间发表论文 | 第113-114页 |
致谢 | 第114-115页 |
附录A 田间成熟棉花颜色分布 | 第115-124页 |
附录B 图像畸变纠正 | 第124-125页 |
附录C 间距—测量深度关系表 | 第125-130页 |
附录D 特征参数 | 第130-131页 |