基于视觉的水下目标识别与定位技术研究
| 摘要 | 第9-10页 |
| ABSTRACT | 第10-11页 |
| 第1章 绪论 | 第12-18页 |
| 1.1 课题研究背景及意义 | 第12-13页 |
| 1.1.1 课题来源 | 第12页 |
| 1.1.2 课题的研究背景 | 第12-13页 |
| 1.1.3 课题的研究意义 | 第13页 |
| 1.2 国内外研究概况 | 第13-16页 |
| 1.2.1 水下目标识别的发展状况 | 第13-15页 |
| 1.2.2 水下目标定位的发展状况 | 第15-16页 |
| 1.3 主要研究内容 | 第16-18页 |
| 第2章 水下图像处理算法研究 | 第18-34页 |
| 2.1 水下目标识别整体方案 | 第18-19页 |
| 2.2 水下图像增强 | 第19-23页 |
| 2.2.1 直方图均衡化 | 第19-21页 |
| 2.2.2 直方图规定化 | 第21-22页 |
| 2.2.3 同态滤波器 | 第22-23页 |
| 2.3 水下图像复原 | 第23-29页 |
| 2.3.1 频率域复原 | 第24-26页 |
| 2.3.2 空间域复原 | 第26-27页 |
| 2.3.3 神经网络复原 | 第27-29页 |
| 2.4 目标提取 | 第29-32页 |
| 2.4.1 Itti算法 | 第29-31页 |
| 2.4.2 Frequency-tuned算法 | 第31-32页 |
| 2.5 本章小结 | 第32-34页 |
| 第3章 水下目标识别算法研究 | 第34-46页 |
| 3.1 水下目标识别过程 | 第34-35页 |
| 3.2 BOF模型分析 | 第35-39页 |
| 3.2.1 BOF模型基本原理 | 第35页 |
| 3.2.2 SIFT特征提取 | 第35-37页 |
| 3.2.3 Kmeans聚类 | 第37-38页 |
| 3.2.4 TF-IDF权值 | 第38-39页 |
| 3.3 卷积神经网络 | 第39-44页 |
| 3.3.1 卷积神经网络特点 | 第39-40页 |
| 3.3.2 卷积和池化 | 第40-42页 |
| 3.3.3 Alexnet模型 | 第42-44页 |
| 3.4 本章小结 | 第44-46页 |
| 第4章 水下目标识别系统的设计与实现 | 第46-58页 |
| 4.1 系统结构 | 第46-47页 |
| 4.2 水下图像数据库的建立 | 第47-49页 |
| 4.3 实验过程与结果分析 | 第49-53页 |
| 4.3.1 训练方法 | 第49页 |
| 4.3.2 卷积神经网络判据的选择 | 第49-50页 |
| 4.3.3 结果与分析 | 第50-53页 |
| 4.4 软件系统设计 | 第53-56页 |
| 4.4.1 软件界面设计 | 第53-54页 |
| 4.4.2 软件功能实现 | 第54-56页 |
| 4.5 本章小结 | 第56-58页 |
| 第5章 水下目标定位系统的设计与实现 | 第58-70页 |
| 5.1 相机标定及双目视觉原理 | 第58-61页 |
| 5.2 立体匹配 | 第61-63页 |
| 5.2.1 立体匹配原理 | 第61-62页 |
| 5.2.2 立体匹配方法 | 第62-63页 |
| 5.3 三维坐标计算 | 第63-64页 |
| 5.4 系统的设计与实现 | 第64-69页 |
| 5.4.1 硬件系统 | 第64-65页 |
| 5.4.2 软件系统 | 第65-68页 |
| 5.4.3 结果分析 | 第68-69页 |
| 5.5 本章小结 | 第69-70页 |
| 总结与展望 | 第70-72页 |
| 总结 | 第70-71页 |
| 展望 | 第71-72页 |
| 参考文献 | 第72-78页 |
| 攻读硕士学位期间发表的学术论文及参与课题 | 第78-80页 |
| 致谢 | 第80-81页 |
| 学位论文评阅及答辩情祝表 | 第81页 |
