首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

几何图元分析处理若干问题的研究

摘要第1-7页
Abstract第7-13页
第一章 绪论第13-18页
   ·引言第13-14页
   ·几何图元分析处理概述第14-16页
     ·基本流程第14-15页
     ·若干研究问题第15-16页
   ·课题来源第16页
   ·论文主要工作和内容安排第16-18页
第二章 基于脉冲耦合神经网络的图像分割第18-33页
   ·经典图像分割技术及准则第18-21页
     ·经典图像分割技术第18-19页
     ·分割质量评价准则第19-21页
   ·基于PCNN 的图像分割算法设计第21-25页
     ·PCNN 模型选取第21-23页
     ·分割过程分析第23-24页
     ·算法设计第24-25页
   ·粒子群优化PCNN 模型参数算法第25-27页
     ·粒子群算法机理第25-26页
     ·粒子群算法改进第26页
     ·适应度函数设计第26-27页
     ·优化算法设计第27页
   ·实验结果第27-32页
 本章小结第32-33页
第三章 图元形态识别第33-42页
   ·图元特征描述方法第33-37页
     ·基本特征描述子第33-35页
     ·基于变换的特征第35-37页
   ·不变矩形状识别第37-39页
     ·规则矩定义第37-38页
     ·Hu 不变矩第38页
     ·轮廓矩第38-39页
   ·实验分析第39-41页
 本章小结第41-42页
第四章 基于Hough 变换的图元检测第42-62页
   ·Hough 变换选取第42-45页
     ·典型Hough 变换方法比较第43-44页
     ·RHT 算法关键点第44-45页
   ·引入最小二乘法第45-47页
     ·直线拟合第45-46页
     ·圆拟合第46-47页
   ·基于RHT-LSM 的图元检测算法第47-53页
     ·算法思想第47-49页
     ·直线检测算法第49页
     ·矩形检测算法第49-50页
     ·圆检测算法第50-52页
     ·多目标检测第52-53页
   ·实验分析第53-61页
     ·仿真图实验第53-56页
     ·残缺检测实验第56-58页
     ·多目标检测实验第58-60页
     ·抗噪实验第60-61页
 本章小结第61-62页
第五章 LED 芯片视觉检测系统应用实验第62-76页
   ·实验装置概述第62-64页
     ·视觉检测系统组成第62-63页
     ·视觉检测工作流程第63-64页
   ·LED 视觉检测实验第64-70页
     ·电极形态识别第64-69页
     ·参数计算第69-70页
   ·运动系统标定实验第70-75页
     ·标定实验方案第71-72页
     ·标定实施步骤第72-75页
     ·实验结果第75页
 本章小结第75-76页
第六章 总结与展望第76-78页
致谢第78-79页
参考文献第79-82页
附录一第82-83页
详细摘要第83-86页

论文共86页,点击 下载论文
上一篇:基于DM642和图像分析的林火烟雾检测系统研究
下一篇:弱信号随机共振检测机制及其在图像增强中的应用研究