基于单目视觉的水下目标识别和定位方法研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 引言 | 第11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.3 水下光视觉技术概述 | 第15-17页 |
| 1.3.1 水下目标识别技术 | 第15-16页 |
| 1.3.2 水下目标定位技术 | 第16-17页 |
| 1.4 本文主要研究内容与组织结构 | 第17-19页 |
| 第2章 水下图像增强方法研究 | 第19-29页 |
| 2.1 引言 | 第19页 |
| 2.2 图像增强方法研究 | 第19-21页 |
| 2.2.1 直方图均衡化 | 第20页 |
| 2.2.2 灰度变换法 | 第20-21页 |
| 2.3 基于最小相对熵准则的模糊增强方法 | 第21-26页 |
| 2.3.1 图像模糊化 | 第22页 |
| 2.3.2 模糊增强处理和模糊逆变换 | 第22-23页 |
| 2.3.3 基于最小相对熵准则的自适应阈值选择 | 第23-26页 |
| 2.4 实验结果及分析 | 第26-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 水下目标图像分割方法研究 | 第29-38页 |
| 3.1 引言 | 第29页 |
| 3.2 图像分割算法研究 | 第29-30页 |
| 3.3 基于色调和最大类间差的图像分割方法 | 第30-35页 |
| 3.3.1 HSI颜色空间 | 第31-32页 |
| 3.3.2 Otsu图像分割算法 | 第32-33页 |
| 3.3.3 基于色调的图像灰度变换 | 第33-35页 |
| 3.3.4 基于色调和最大类间差的水下图像分割 | 第35页 |
| 3.4 实验结果及分析 | 第35-36页 |
| 3.5 全本章小结 | 第36-38页 |
| 第4章 水下目标的不变矩特征提取和识别 | 第38-56页 |
| 4.1 引言 | 第38页 |
| 4.2 目标的不变矩特征提取 | 第38-41页 |
| 4.2.1 Hu不变矩 | 第39-40页 |
| 4.2.2 基于传统Hu矩的改进不变矩算法 | 第40-41页 |
| 4.3 基于BP神经网络的水下目标识别 | 第41-47页 |
| 4.3.1 BP神经网络概述 | 第41-43页 |
| 4.3.2 BP神经网络的缺点及其改进 | 第43-45页 |
| 4.3.3 基于粒子群优化的BP神经网络算法 | 第45-47页 |
| 4.4 实验结果及分析 | 第47-55页 |
| 4.4.1 新不变矩的提取实验结果及分析 | 第48-52页 |
| 4.4.2 BP网络的训练及水下目标识别实验 | 第52-55页 |
| 4.5 本章小结 | 第55-56页 |
| 第5章 基于BP神经网络的单目三维定位 | 第56-67页 |
| 5.1 引言 | 第56页 |
| 5.2 摄像机成像模型 | 第56-58页 |
| 5.3 水下目标三维定位 | 第58-61页 |
| 5.3.1 双目定位原理 | 第58-59页 |
| 5.3.2 基于BP神经网络的单目三维定位方法 | 第59-60页 |
| 5.3.3 目标质心的求取 | 第60-61页 |
| 5.4 实验结果及分析 | 第61-65页 |
| 5.4.1 神经网络的训练 | 第62-63页 |
| 5.4.2 定位结果分析 | 第63-65页 |
| 5.5 本章小结 | 第65-67页 |
| 结论 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 攻读硕士学位期间所发表的论文和取得的科研成果 | 第73-74页 |
| 致谢 | 第74页 |
