| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 1 绪论 | 第11-18页 |
| ·研究背景 | 第11页 |
| ·研究目的与意义 | 第11-12页 |
| ·神经网络研究现状 | 第12-17页 |
| ·基于神经网络的图像处理研究现状 | 第12-14页 |
| ·基于神经网络的摄像机标定研究现状 | 第14-15页 |
| ·基于神经网络的机器人视觉伺服研究现状 | 第15-17页 |
| ·本论文研究内容 | 第17-18页 |
| 2 理论基础 | 第18-46页 |
| ·神经网络基础理论 | 第18-24页 |
| ·RBF神经网络 | 第19-20页 |
| ·PNN神经网络 | 第20-22页 |
| ·Hopfield神经网络 | 第22-24页 |
| ·图像滤波与特征提取 | 第24-33页 |
| ·图像噪声模型 | 第24-26页 |
| ·传统滤波算法 | 第26-27页 |
| ·边缘检测算子 | 第27-32页 |
| ·Hough变换 | 第32-33页 |
| ·视觉位姿测量原理 | 第33-40页 |
| ·摄像机标定 | 第33-36页 |
| ·手眼标定 | 第36-38页 |
| ·对偶四元数理论 | 第38-40页 |
| ·机器人视觉伺服控制原理 | 第40-45页 |
| ·机器人模型 | 第40-43页 |
| ·基于位置的视觉伺服控制 | 第43-45页 |
| ·本章小结 | 第45-46页 |
| 3 基于神经网络的图像处理和特征提取 | 第46-63页 |
| ·基于PNN神经网络的图像噪声分类检测及滤波 | 第46-49页 |
| ·基于均值绝对偏差排序的向量 | 第47-48页 |
| ·基于中值绝对偏差排序的向量 | 第48-49页 |
| ·算法步骤及代码 | 第49页 |
| ·基于RBF神经网络的图像融合 | 第49-51页 |
| ·仿真实验及结果 | 第51-61页 |
| ·样本选取 | 第51页 |
| ·实验结果 | 第51-61页 |
| ·本章小结 | 第61-63页 |
| 4 基于对偶四元数和Hopfield神经网络的位姿测量 | 第63-83页 |
| ·基于对偶四元数的目标位姿测量算法 | 第63-77页 |
| ·基于灭点的摄像机标定 | 第63-72页 |
| ·手眼标定 | 第72-75页 |
| ·目标位姿测量算法 | 第75-77页 |
| ·基于Hopfield神经网络的目标位姿最优解 | 第77-78页 |
| ·仿真实验及结果 | 第78-82页 |
| ·摄像机标定实验及结果 | 第78-80页 |
| ·位姿测量实验及结果 | 第80-82页 |
| ·本章小结 | 第82-83页 |
| 5 基于反演设计的神经网络视觉伺服控制器 | 第83-98页 |
| ·基本反演控制器设计 | 第84-86页 |
| ·RBF神经网络反演控制器设计 | 第86-88页 |
| ·仿真实验及结果 | 第88-96页 |
| ·本章小结 | 第96-98页 |
| 6 结论与展望 | 第98-101页 |
| ·结论 | 第98-100页 |
| ·展望 | 第100-101页 |
| 参考文献 | 第101-110页 |
| 个人简介 | 第110-111页 |
| 导师简介 | 第111-112页 |
| 获得成果目录 | 第112-113页 |
| 致谢 | 第113页 |