基于PSO的复杂工业环境视觉目标检测算法应用研究
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 1. 绪论 | 第11-20页 |
| ·引言 | 第11页 |
| ·研究背景 | 第11-12页 |
| ·国内外的发展和现状 | 第12-17页 |
| ·视觉目标检测的国内外研究现状 | 第12-14页 |
| ·工业环境下目标检测的国内外研究现状 | 第14-15页 |
| ·粒子群算法及其应用 | 第15-17页 |
| ·本论文主要研究内容 | 第17-18页 |
| ·论文章节安排 | 第18-20页 |
| 2. 粒子群优化算法 | 第20-36页 |
| ·引言 | 第20-21页 |
| ·基本粒子群算法数学模型 | 第21-25页 |
| ·粒子群算法的数学模型 | 第21-24页 |
| ·两种进化模型 | 第24-25页 |
| ·粒子群算法特点 | 第25页 |
| ·标准粒子群算法 | 第25-27页 |
| ·粒子群算法的收敛性分析 | 第27-31页 |
| ·粒子群优化算法的改进研究 | 第31-33页 |
| ·粒子群算法的应用 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 3 图像分割技术研究 | 第36-61页 |
| ·引言 | 第36页 |
| ·图像阈值分割 | 第36-42页 |
| ·阈值方法的图像模型 | 第37页 |
| ·阈值方法 | 第37-38页 |
| ·阈值选择方法 | 第38-42页 |
| ·聚类算法 | 第42-45页 |
| ·聚类问题 | 第42-43页 |
| ·K均值算法 | 第43-44页 |
| ·模糊C均值算法 | 第44-45页 |
| ·基于局部搜索算子的改进粒子群算法 | 第45-51页 |
| ·局部搜索算子 | 第45-47页 |
| ·算法实现 | 第47-49页 |
| ·改进粒子群算法的数值仿真实验 | 第49-51页 |
| ·粒子群算法在图像分割中的应用研究 | 第51-60页 |
| ·基于粒子群算法的多阈值图像分割算法 | 第51-55页 |
| ·基于改进粒子群算法的混合FCM图像分割算法 | 第55-56页 |
| ·实验结果和分析 | 第56-60页 |
| ·本章小结 | 第60-61页 |
| 4 视觉系统图像预处理技术 | 第61-69页 |
| ·引言 | 第61页 |
| ·视觉图像常用滤波方法 | 第61-63页 |
| ·均值滤波 | 第61-62页 |
| ·中值滤波 | 第62页 |
| ·维纳滤波 | 第62-63页 |
| ·小波滤波 | 第63页 |
| ·图像滤波方法选择 | 第63-64页 |
| ·工业现场下的光线变化 | 第64-68页 |
| ·工业现场下光线的缓慢变化 | 第65-66页 |
| ·工业现场下光线的较大变化 | 第66-67页 |
| ·复杂工业环境光线变化检测 | 第67-68页 |
| ·本章小结 | 第68-69页 |
| 5 复杂工业现场下的视觉检测技术研究 | 第69-83页 |
| ·引言 | 第69页 |
| ·视觉目标检测算法 | 第69-71页 |
| ·光流法 | 第69-70页 |
| ·图像差分方法 | 第70-71页 |
| ·背景建模方法 | 第71-74页 |
| ·背景模型的影响因素 | 第71页 |
| ·背景建模方法 | 第71-74页 |
| ·多背景图像建模 | 第74-80页 |
| ·多背景图像建模 | 第75-76页 |
| ·基于粒子群算法的背景匹配 | 第76-78页 |
| ·离线仿真实验 | 第78-80页 |
| ·多背景图像检测方法的实现 | 第80-82页 |
| ·本章小结 | 第82-83页 |
| 6 加热炉内钢坯检测和定位应用研究 | 第83-97页 |
| ·引言 | 第83页 |
| ·加热炉钢坯定位问题 | 第83-86页 |
| ·钢坯热加工 | 第83-84页 |
| ·加热炉钢坯布料方式 | 第84-85页 |
| ·钢坯加热处理工艺及定位要求 | 第85-86页 |
| ·视觉钢坯定位控制系统 | 第86-91页 |
| ·控制系统结构 | 第86-88页 |
| ·视觉钢坯定位控制系统的检测方法和定位控制算法 | 第88-90页 |
| ·视觉钢坯定位控制系统的控制策略 | 第90-91页 |
| ·加热炉内钢坯定位实验设计及实验结果 | 第91-96页 |
| ·本章小结 | 第96-97页 |
| 7 结论与展望 | 第97-100页 |
| 参考文献 | 第100-112页 |
| 攻读博士学位期间文章发表和科研情况 | 第112-113页 |
| 致谢 | 第113页 |
